[發明專利]一種適用于醫療護理的表情識別方法

在審

• 申請號: 201710828671.0
• 申請日: 2017-09-14
• 公開（公告）號: CN107704810A
• 公開（公告）日: 2018-02-16
• 發明（設計）人: 劉健;孫瑜;葛天潔;賈新旺;秦嶺
• 申請（專利權）人: 南京理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 南京理工大學專利中心32203
• 代理人: 朱寶慶

技術領域

本發明涉及一種圖像處理技術，特別是一種適用于醫療護理的表情識別方法。

背景技術

人臉表情識別技術在近年來隨著一些相關領域的飛速發展如機器學習，圖像處理，成為了一個熱點發展的技術。人臉表情識別系統的影響和潛力同時推廣到廣大的應用場合中，如人機交互，智能機器人，駕駛員狀態監督等等。人臉表情識別系統是計算機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。如何實現計算機的擬人化，使其能根據周圍的環境以及對象的狀態等內容，自適應地為交流對象提供最友好的操作環境，己經成為下一代人機界面發展的目標，是智能機器人走進人們日常生活必須解決的問題，對建立多信息智能化人機交互系統有著重要意義。同時，隨著我國人口老齡趨勢加劇，醫療護理產業迎來飛速發展，在醫護產業智能化發展的路上，對老年殘障人士的表情識別，特別是消極情緒的識別在實際應用中具有重要的意義。

人臉表情識別技術一般包括三部分內容：(1)人臉檢測；(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系統中最為核心的步驟，特征提取直接影響到識別的精度、魯棒性和實時性。常見的人臉特征提取的方法包括：基于幾何特征，表觀特征，動態特征的方法。整體來說，人臉表情識別雖然經過多年的發展，精確提取出表情特征從而進行強魯棒性人臉表情的識別仍就是一個亟需解決的技術難題，同時進行表情自動識別的準確性和實時性仍然有待提升。

發明內容

本發明的目的在于提供一種適用于醫療護理的表情識別方法，包括以下步驟：

步驟1，利用訓練圖像建立主動形狀模型；

步驟2，將測試圖像輸入到主動形狀模型中并搜索人臉特征點；

步驟3，提取包括角度信息和距離信息的情緒向量特征，將人臉特征點代入情緒向量特征中，并將情緒向量特征的信息輸入至SVM分類器中進行投票，得票最多的類為所屬的類。

采用上述方法，步驟1具體包括：

步驟1.1，獲取N張訓練圖像并在訓練圖像上標注n個標注點且用X表示平面形狀

X＝[x₁,x₂,...x_j...x_n,y₁,y₂,...y_j...y_n]^T(1)

其中，(x_j,y_j)為第j個標注點的坐標；

步驟1.2，獲取訓練圖像的平均形狀

步驟1.3，獲取平均形狀的協方差矩陣的特征向量

步驟1.4，將特征向量中應特征值從大到小排列且從中選取前q個特征向量組成矩陣Φ_s

Φ_s＝[Φ₁,...Φ_j,...Φ_q](4)

步驟1.5，獲取主動形狀模型Y_s

其中，b_s是形狀模型的參數集。

采用上述方法，中將測試圖像輸入到主動形狀模型中按以下步驟搜索人臉特征點：

步驟2.1，令i＝0，用平均形狀作為初始化形狀X_i；

步驟2.2，對當前形狀，對于每個標注點計算馬氏距離，選擇最小距離的點作為該標注點的新位置(x_j',y_j')；

步驟2.3，調整參數t_x、t_y、θ、s、b_s，使(x_j',y_j')與匹配，(t_x,t_y)為圖像平移距離，θ為圖像旋轉角度，s為圖像縮放尺寸，b_s為形狀模型的參數集，M表示調整的過程，M^-1為M的反變換；

步驟2.4，令若X_i＝X_i+1，則退出；否則，i＝i+1，轉步驟2.2。

采用上述方法，步驟3中角度信息為三個人臉特征點所構成三角形的夾角，若該三角形的夾角在一表情所對應的夾角范圍內，則該夾角對應的表情則落入該夾角范圍所對應的表情內；步驟3中距離信息為兩個人臉特征點之間的距離，若該距離在一表情所對應的距離范圍內，則該距離對應的表情則落入該距離范圍所對應的表情內。