[發(fā)明專利]一種人臉表情識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410280557.5
• 申請(qǐng)日: 2014-06-21
• 公開（公告）號(hào): CN104036255B
• 公開（公告）日: 2017-07-07
• 發(fā)明（設(shè)計(jì)）人: 馬爭;解梅;陳路;蔡家柱
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62
• 代理公司: 電子科技大學(xué)專利中心51203
• 代理人: 周劉英

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理，具體涉及人臉表情識(shí)別技術(shù)。

背景技術(shù)

人臉表情識(shí)別技術(shù)在近年來隨著一些相關(guān)領(lǐng)域的飛速發(fā)展如機(jī)器學(xué)習(xí)，圖像處理，人類識(shí)別等，成為了一個(gè)熱點(diǎn)發(fā)展的技術(shù)。人臉表情識(shí)別系統(tǒng)的影響和潛力同時(shí)推廣到廣大的應(yīng)用場(chǎng)合中，如人機(jī)交互，智能機(jī)器人，駕駛員狀態(tài)監(jiān)督等等。人臉表情識(shí)別系統(tǒng)是計(jì)算機(jī)理解人們情感的前提，也是人們探索智能、理解智能的有效途徑。如何實(shí)現(xiàn)計(jì)算機(jī)的擬人化，使其能根據(jù)周圍的環(huán)境以及對(duì)象的狀態(tài)等內(nèi)容，自適應(yīng)地為交流對(duì)象提供最友好的操作環(huán)境，消除操作者和機(jī)器之間的障礙，己經(jīng)成為下一代人機(jī)界面發(fā)展的目標(biāo)，是智能機(jī)器人走進(jìn)人們?nèi)粘Ｉ畋仨毥鉀Q的問題，對(duì)建立多信息智能化人機(jī)交互系統(tǒng)有著重要意義。

人臉表情識(shí)別技術(shù)一般包括三部分內(nèi)容：(1)人臉檢測(cè)；(2)人臉表情特征的提取；(3)表情特征的分類。其中人臉表情特征提取是整個(gè)系統(tǒng)中最為核心的步驟，特征提取直接影響到識(shí)別的精度，魯棒性，和實(shí)時(shí)性。常見的人臉特征提取的方法包括：基于幾何特征，表觀特征，動(dòng)態(tài)特征的方法。

1)基于幾何特征的方法，這類方法是對(duì)人臉特定的區(qū)域如眼睛，嘴，鼻等區(qū)域建立模型或者二維的拓?fù)浣Y(jié)構(gòu)，提取幾何特征。這類方法很大程度上減少了數(shù)據(jù)量的輸入，但對(duì)于基準(zhǔn)點(diǎn)的準(zhǔn)確性要求高，而且對(duì)于圖像質(zhì)量低的情況難以處理。

2)表觀特征的提取方法，即對(duì)圖像進(jìn)行預(yù)處理后，獲得局部區(qū)域像素之間的關(guān)系如梯度，紋理等。比如以Gabor小波作為初始特征，然后利用基因規(guī)劃算法合成新的特征，最后通過SVM(支持向量機(jī))分類器進(jìn)行表情識(shí)別，Gabor特征雖然區(qū)分能力強(qiáng)，但是缺點(diǎn)在于其維數(shù)高，計(jì)算量大。詳見文獻(xiàn)：J.Yu，B，Bhanu.Evolutionary feature synthesis for facial expression recognition[J].Pattern Recognition Letters,2006,27(11):289-1298。

3)動(dòng)態(tài)特征提取方法，此類針對(duì)圖像序列的人臉特征提取的方法有光流法，特征點(diǎn)跟蹤法等。如利用AAM(主動(dòng)外觀模型)在圖像序列中提取多個(gè)特征點(diǎn)后，根據(jù)特征點(diǎn)估計(jì)其中特定特征點(diǎn)組成的運(yùn)動(dòng)特征向量，最后利用SVM的分類投票進(jìn)行分類識(shí)別。但其存在的問題是AAM通過人工標(biāo)點(diǎn)的位置信息結(jié)合紋理信息建立數(shù)學(xué)統(tǒng)計(jì)模型，其復(fù)雜度大，然后再利用最優(yōu)化理論通過多次迭代進(jìn)行特征點(diǎn)定位，運(yùn)算量極大，特征點(diǎn)雖能夠達(dá)到精確但無法實(shí)時(shí)。詳見文獻(xiàn)：S.Park,D.Kim.Subtle facial expression recognition using motion magnification[J].Pattern Recognition Letters,2009,30(7):708-716。

綜上所述，人臉表情識(shí)別雖然經(jīng)過多年的發(fā)展，精確提取出表情特征從而進(jìn)行強(qiáng)魯棒性人臉表情的識(shí)別仍就是一個(gè)亟需解決的技術(shù)難題，同時(shí)提升基于SVM進(jìn)行表情自動(dòng)識(shí)別時(shí)的實(shí)時(shí)性和準(zhǔn)確性仍需要進(jìn)一步提升。

發(fā)明內(nèi)容

本發(fā)明的發(fā)明目的在于：提供一種識(shí)別準(zhǔn)確度高的人臉表情識(shí)別方法。

本發(fā)明的人臉表情識(shí)別方法，包括下列步驟:

步驟1：構(gòu)建表情特征庫

步驟101：從表情庫中選擇R幅不同人的中性表情圖像，其中所述R大于或等于20；

分別在各圖像上定位N個(gè)表情特征點(diǎn)的位置信息，提取每幅圖片的表情特征點(diǎn)信息向量v_i＝(x₁,x₂,...,x_n,y₁,y₂,...y_n),其中n＝1,2,...,N；i＝1,2,...,R；并分別對(duì)各特征點(diǎn)信息向量v_i進(jìn)行預(yù)處理得到其中分別表示向量v_i中N個(gè)x_n的均值，N個(gè)y_n的均值；

步驟102：從表情庫中選擇與步驟1中對(duì)應(yīng)R人的各類表情圖片各S幅，其中所述S大于或等于5；

分別在每幅圖像上定位N個(gè)表情特征點(diǎn)的位置信息，提取每幅圖片的表情特征點(diǎn)信息向量其中上標(biāo)j用于標(biāo)識(shí)不同的表情分類；并分別對(duì)各特征點(diǎn)信息向量進(jìn)行預(yù)處理得到其中分別表示向量中N個(gè)x_n的均值，N個(gè)y_n的均值；

步驟103：計(jì)算底層表情特征點(diǎn)信息向量