技術(shù)特征：

1.一種融合深度圖像和多通道特征的表情識別方法，其特征在于，包括以下步驟：

對輸入的人臉表情圖像進行配準(zhǔn)，人臉區(qū)域識別并進行預(yù)處理操作；

提取面部表情圖像中的顯著性特征、圖像熵特征以及面部表情幾何特征；

將以上顯著性特征、圖像熵特征以及面部表情幾何特征融合形成多通道面部表情特征向量，并將融合結(jié)果輸送至多類支持向量機分類器進行表情分類識別。

2.根據(jù)權(quán)利要求1所述的融合深度圖像和多通道特征的表情識別方法，其特征在于，所述對輸入的人臉表情圖像進行配準(zhǔn)包括步驟：

步驟101：獲取彩色RGB圖像和Kinect深度圖像并進行配準(zhǔn)，由于深度紅外攝像頭和RGB相機處于不同位置，使用配準(zhǔn)變換矩陣：

$\left[\begin{array}{c}x\\ y\\ z\end{array}\right]=R*\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]+T$

其中R和T分別為旋轉(zhuǎn)矩陣和平移矩陣，(x,y,z),(X,Y,Z)分別RGB圖像和深度圖像的像素坐標(biāo)。

3.根據(jù)權(quán)利要求2所述的融合深度圖像和多通道特征的表情識別方法，其特征在于，人臉區(qū)域識別并進行預(yù)處理操作包括步驟：

對Kinect深度圖像進行鼻尖檢測，以鼻尖為球心按一定半徑,球面裁切得到框選的人臉表情區(qū)域，在深度數(shù)據(jù)模式下定位人臉位置并完成裁切；

將采集到的深度數(shù)據(jù)轉(zhuǎn)化為深度圖像；

確定裁切深度圖像范圍后，在彩色圖像中進行面部范圍同尺寸裁切；

根據(jù)裁切后的彩色圖像和深度圖像進行中值濾波，將處理得到的面部表情圖像利用線性插補的方法，進行圖片尺寸統(tǒng)一。

4.根據(jù)權(quán)利要求3所述的融合深度圖像和多通道特征的表情識別方法，其特征在于，當(dāng)采用Kinect進行深度數(shù)據(jù)采集時，深度數(shù)據(jù)的數(shù)值范圍在0-4095之間，則需要將每個像素位置點的深度數(shù)據(jù)按比例映射至0-255的灰度色彩空間，完成深度信息向深度圖像的轉(zhuǎn)化。

5.根據(jù)權(quán)利要求1所述的融合深度圖像和多通道特征的表情識別方法，其特征在于，所述圖像熵特征包括深度圖像熵特征和灰度化的彩色圖像熵特征，顯著性特征為彩色圖像的特征，且以上特征均采用灰度直方圖方法提取紋理信息的紋理特征。

6.根據(jù)權(quán)利要求5所述的融合深度圖像和多通道特征的表情識別方法，其特征在于，所述面部表情幾何特征的提取使用主動外觀模型，自動在灰度化的彩色圖像中識別人臉表情的特征點。

7.根據(jù)權(quán)利要求1所述的融合深度圖像和多通道特征的表情識別方法，其特征在于，所述多通道面部表情特征向量還包括通過核函數(shù)融合的步驟，具體為：

對于深度熵特征信息采用線性核函數(shù)進行映射，灰度圖像熵特征采用X²核函數(shù)進行映射，顯著性特征和面部特征點特征采用高斯核函數(shù)進行映射；

通過不同類特性的分別學(xué)習(xí)得到各個核函數(shù)的權(quán)重，得到最后的識別結(jié)果函數(shù)：H(x)表示識別結(jié)果函數(shù)，sign表示符號函數(shù)β_i表示各類核函數(shù)權(quán)重，k_i(x)表示核函數(shù)，α表示核函數(shù)權(quán)值，b為門限值，x輸入向量，i表示融合核函數(shù)個數(shù)。

8.根據(jù)權(quán)利要求7所述的融合深度圖像和多通道特征的表情識別方法，其特征在于，融合結(jié)果輸送至多類支持向量機分類器進行表情分類識別包括步驟：將融合特征向量和融合核函數(shù)送至多類SVM進行表情分類；

采用網(wǎng)格搜索，進行罰系數(shù)C和高斯函數(shù)γ值進行尋優(yōu)，使用交叉驗證率作為標(biāo)準(zhǔn)，最終確定SVM參數(shù)；

對數(shù)據(jù)集設(shè)置參數(shù)，采用賦予不同權(quán)值，加大或降低懲罰系數(shù)的方法，對數(shù)據(jù)集偏少的樣本類別給與較大的類別權(quán)值，優(yōu)化最終的分類結(jié)果。