[發明專利]一種基于差分深度特征的人臉表情識別方法及系統有效
| 申請號： | 201710822364.1 | 申請日： | 2017-09-13 |
| 公開（公告）號： | CN107808113B | 公開（公告）日： | 2020-08-04 |
| 發明（設計）人： | 陳靚影;徐如意;徐燦;劉樂元;張坤 | 申請（專利權）人： | 華中師范大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62 |
| 代理公司： | 武漢東喻專利代理事務所(普通合伙) 42224 | 代理人： | 方可 |
| 地址： | 430079 *** | 國省代碼： | 湖北;42 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 深度 特征 表情 識別 方法 系統 | ||
1.一種基于差分深度特征的人臉表情識別方法，其特征在于，包括離線訓練部分和在線識別部分，其特征在于：
所述離線訓練部分包括以下步驟：
(S1)從樣本圖像幀序列中提取樣本人臉區域幀序列；
(S2)從樣本人臉區域幀序列中提取人臉深度特征，所述人臉深度特征是指從人臉的深度模型vgg-face中提取的特征；
(S3)依據人臉深度特征從樣本人臉區域幀序列中提取中性表情幀和峰值表情幀，中性表情是指沒有面部肌肉運動狀態下的表情，峰值表情是指面部肌肉運動到極限狀態下的表情；
(S4)將樣本圖像幀序列的峰值表情幀的人臉深度特征減去中性表情幀的人臉深度特征作為差分深度特征；
(S5)將樣本圖像幀序列的差分深度特征和樣本圖像幀序列對應的表情作為訓練輸入，訓練得到表情分類器；
所述在線識別部分包括以下步驟：
(T1)從待識別圖像幀序列中提取待識別人臉區域序列；
(T2)從待識別人臉區域幀序列中提取待識別人臉深度特征；
(T3)依據待識別人臉深度特征從人臉區域幀序列中提取中性表情幀和峰值表情幀；
(T4)將待識別樣本圖像幀序列的峰值表情幀的人臉深度特征減去中性表情幀的人臉深度特征作為識別用的差分深度特征；
(T5)將識別用的差分深度特征輸入表情分類器，表情分類器輸出表情類型。
2.根據權利要求1所述的基于差分深度特征的人臉表情識別方法，其特征在于，所述步驟(S3)的具體實現方式為：
利用人臉深度特征對樣本圖像幀序列進行聚類得到兩個簇中心，從樣本圖像幀序列中提取分別距離兩個簇中心最近的一幀作為關鍵幀，對兩幀進行識別得到中性表情幀和峰值表情幀。
3.根據權利要求2所述的基于差分深度特征的人臉表情識別方法，其特征在于，所述步驟(S3)對兩幀進行識別得到中性表情幀和峰值表情幀的具體實現方式為：
(S31)從所有樣本圖像幀序列中抽取部分，對抽取的部分樣本圖像幀序列的關鍵幀人工標記為中性表情關鍵幀和峰值表情關鍵幀；
(S32)對抽取的樣本建立訓練庫，其中，用峰值表情關鍵幀的深度特征減去中性表情關鍵幀的人臉深度特征作為正樣本，用中性表情關鍵幀的人臉深度特征減去峰值表情關鍵幀的人臉深度特征作為負樣本；
(S33)利用正、負樣本進行訓練，得到關鍵幀識別模型；
(S34)對余下的樣本圖像幀序列的關鍵幀，使用關鍵幀識別模型進行識別得到中性表情幀和峰值表情幀。
4.根據權利要求3所述的基于差分深度特征的人臉表情識別方法，其特征在于，所述步驟(S33)采用S4VM、Co-Forest、Tri-training中的任意一種算法進行訓練。
5.根據權利要求1或2或3或4所述的基于差分深度特征的人臉表情識別方法，其特征在于，所述深度特征為深度神經網絡vgg-face模型FC6、FC7、FC8中的任意一種。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于華中師范大學，未經華中師范大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710822364.1/1.html，轉載請聲明來源鉆瓜專利網。
