[發(fā)明專利]微表情描述方法、裝置、計算機裝置及可讀存儲介質

在審

• 申請?zhí)枺?/td>: 201811527706.8
• 申請日: 2018-12-13
• 公開（公告）號: CN109815793A
• 公開（公告）日: 2019-05-28
• 發(fā)明（設計）人: 郭玲玲;姜宜君
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 楊毅玲

1.一種微表情描述方法，其特征在于，所述方法包括：

掃描人臉圖像，檢測所述人臉圖像的第一特征點，其中所述第一特征點為不受微表情影響的非共線特征點；

將所述第一特征點組成的人臉圖像作為首幀，并將檢測到的后續(xù)幀與所述首幀對齊；

根據(jù)所述第一特征點對所述人臉圖像進行分塊，形成互不重疊的一組子塊；

提取每一所述子塊對應的表示所述人臉圖像的直方圖特征向量；及

將所述直方圖特征向量級聯(lián)為高維特征向量，并將所述高維特征向量作為微表情的描述形式。

2.如權利要求1所述的微表情描述方法，其特征在于，所述掃描人臉圖像，檢測所述人臉圖像的第一特征點，其中所述第一特征點為不受微表情影響的非共線特征點的步驟包括：

掃描人臉圖像，檢測首次掃描的所述人臉圖像中不受微表情影響的非共線特征點；及

提取所述非共線特征點，并將所述非共線特征點作為第一特征點。

3.如權利要求1所述的微表情描述方法，其特征在于，所述將所述第一特征點組成的人臉圖像作為首幀，并將檢測到的后續(xù)幀與所述首幀對齊的步驟包括：

將所述第一特征點組成第一特征矩陣，并將所述第一特征矩陣作為所述人臉圖像的首幀；

獲取所述人臉圖像的后續(xù)幀對應的第二特征矩陣；及

根據(jù)所述第一特征矩陣及所述第二特征矩陣，將所述后續(xù)幀與所述首幀對齊。

4.如權利要求3所述的微表情描述方法，其特征在于，所述根據(jù)所述第一特征矩陣及所述第二特征矩陣，將所述后續(xù)幀與所述首幀對齊的步驟包括：

將所述第一特征矩陣與所述第二特征矩陣進行比對，得到仿射變換矩陣；及

參照所述仿射變換矩陣，將所述后續(xù)幀與所述首幀對齊。

5.如權利要求1所述的微表情描述方法，其特征在于，所述根據(jù)所述第一特征點對所述人臉圖像進行分塊，形成互不重疊的一組子塊的步驟包括：

獲取與所述首幀對齊后的對齊矩陣；及

根據(jù)預設的臉部肌肉動作與表情的對應關系，對所述對齊矩陣進行分塊，得到與所述人臉圖像對應的且互不重疊的一組子塊。

6.如權利要求1所述的微表情描述方法，其特征在于，所述提取每一所述子塊對應的表示所述人臉圖像的直方圖特征向量的步驟包括：

在每一所述子塊上，對所述人臉圖像進行灰度化處理；及

將灰度化處理后的所述人臉圖像置于XY、XZ、YZ三個平面上；及

提取每一所述子塊對應的直方圖特征向量。

7.如權利要求6所述的微表情描述方法，其特征在于，所述將所述直方圖特征向量級聯(lián)為高維特征向量，并將所述高維特征向量作為微表情的描述形式的步驟包括：

獲取每一所述子塊對應的所述直方圖特征向量；

將每一所述子塊的直方圖特征向量進行級聯(lián)，得到高維特征向量；及

將級聯(lián)后的高維特征向量作為微表情的描述形式。

8.一種微表情描述裝置，其特征在于，所述裝置包括：

掃描模塊，用于掃描人臉圖像，檢測所述人臉圖像的第一特征點，其中所述第一特征點為不受微表情影響的非共線特征點；

對齊模塊，用于將所述第一特征點組成的人臉圖像作為首幀，并將檢測到的后續(xù)幀與所述首幀對齊；

分塊模塊，用于根據(jù)所述第一特征點對所述人臉圖像進行分塊，形成互不重疊的一組子塊；

提取模塊，用于提取每一所述子塊對應的表示所述人臉圖像的直方圖特征向量；及

級聯(lián)模塊，用于將所述直方圖特征向量級聯(lián)為高維特征向量，并將所述高維特征向量作為微表情的描述形式。

9.一種計算機裝置，其特征在于，所述計算機裝置包括處理器和存儲器，所述處理器用于執(zhí)行所述存儲器中存儲的計算機程序時實現(xiàn)如權利要求1至7中任意一項所述的微表情描述方法。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至7中任意一項所述的微表情描述方法。