[發明專利]微表情識別方法及裝置

有效

• 申請號: 201711041380.3
• 申請日: 2017-10-30
• 公開（公告）號: CN107832691B
• 公開（公告）日: 2021-10-26
• 發明（設計）人: 萬韶華
• 申請（專利權）人: 北京小米移動軟件有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京尚倫律師事務所 11477
• 代理人: 代治國

1.一種微表情識別方法，其特征在于，包括：

提取待識別微表情圖像的待識別特征向量，所述待識別特征向量包括：所述待識別微表情圖像中的形狀特征向量和/或所述待識別微表情圖像中的紋理特征向量；

根據所述待識別特征向量和預設微表情庫中的每個預設表情的預設特征向量，確定所述待識別微表情圖像與每個所述預設表情屬于同種表情類別的相似概率；

當所述待識別微表情圖像與預設微表情庫中的第一預設表情屬于同種表情類別的相似概率大于預設閾值時，確定所述待識別微表情圖像的表情類別為所述第一預設表情的表情類別；

所述根據所述待識別特征向量和預設微表情庫中的每個預設表情的預設特征向量，確定所述待識別微表情圖像與每個所述預設表情屬于同種表情類別的相似概率，包括：

獲取所述待識別特征向量和每個預設表情的預設特征向量之間的距離值；其中，利用廣義馬氏距離算法獲取所述距離值，所述廣義馬氏距離算法中包括目標度量矩陣的值，確定所述目標度量矩陣的值包括：將所述預設微表情庫中的多個預設表情劃分為多個表情對，每個表情對中包括兩個預設表情；獲取專家和普通標注人員同時標注同一個表情對中的兩個預設表情不是同種表情類別的第一概率；獲取所述專家和所述普通標注人員同時標注同一個表情對中的兩個預設表情是同種表情類別的第二概率；獲取表情對中的兩個預設表情屬于相同的表情類別的第三概率，所述第三概率中包括度量矩陣；根據所述第一概率、所述第二概率和所述第三概率構造似然函數；根據最大期望算法確定所述似然函數取最大值時所述度量矩陣的值為所述目標度量矩陣的值；根據如下公式構造似然函數：

其中，所述為所述似然函數，為度量矩陣，所述表示第j個普通標注人員對第i個表情對中的兩個預設表情的表情類別的標注結果，表示第j個普通標注人員標注第i個表情對中的兩個預設表情的表情類別相同，表示第j個普通標注人員標注第i個表情對中的兩個預設表情的表情類別不同；所述R為普通標注人員的數量，所述n為所述預設微表情庫中表情對的數量，所述R、所述j和所述n均為大于或者等于1的正整數；α＝(α₁，α₂，…，α_R)，α_j表示專家和普通標主人員同時標注第j個表情對中的兩個預設表情不是同種表情類別的概率；β＝(β₁，β₂，…，β_R)，β_j表示專家和普通標主人員同時標注第j個表情對中的兩個預設表情是同種表情類別的概率；所述p_i為所述預設微表情庫中的第i個表情對中的兩個預設表情屬于相同的表情類別的第三概率；根據所述距離值確定所述待識別微表情圖像與所述距離值對應的預設表情屬于同種表情類別的相似概率。

2.根據權利要求1所述的方法，其特征在于，通過如下公式確定所述待識別特征向量和預設表情的預設特征向量之間的距離值：

d_M(y，x_j)＝(y-x_j)^T×M×(y-x_j)；

其中，所述y為待識別微表情圖像的所述待識別特征向量，所述x_j為所述預設微表情庫中的第j個預設表情的預設特征向量，所述M為目標度量矩陣；所述j為大于或者等于1的整數；所述d_M(y，x_j)為所述待識別特征向量和所述預設微表情庫中的第j個預設表情的預設特征向量之間的距離值；所述(y-x_j)為所述待識別特征向量與所述第j個預設表情的預設特征向量的差值；所述(y-x_j)^T為所述待識別特征向量與所述第j個預設表情的預設特征向量的差值的轉置。

3.根據權利要求1或2所述的方法，其特征在于，通過如下公式確定所述待識別微表情圖像與所述距離值對應的預設表情屬于同種表情類別的相似概率：

p＝{1+exp[D-b]}^-1；

其中，所述p為所述待識別微表情圖像與所述距離值對應的預設表情屬于同種表情類別的相似概率；所述D為所述距離值；所述b為偏置量。