[發(fā)明專(zhuān)利]微表情描述方法、裝置、計(jì)算機(jī)裝置及可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811527706.8
• 申請(qǐng)日: 2018-12-13
• 公開(kāi)（公告）號(hào): CN109815793A
• 公開(kāi)（公告）日: 2019-05-28
• 發(fā)明（設(shè)計(jì)）人: 郭玲玲;姜宜君
• 申請(qǐng)（專(zhuān)利權(quán)）人: 平安科技（深圳）有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00
• 代理公司: 深圳市賽恩倍吉知識(shí)產(chǎn)權(quán)代理有限公司 44334
• 代理人: 楊毅玲

本發(fā)明提供一種微表情描述方法、裝置、計(jì)算機(jī)裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。微表情描述方法包括：掃描人臉圖像，檢測(cè)所述人臉圖像的第一特征點(diǎn)，其中所述第一特征點(diǎn)為不受微表情影響的非共線特征點(diǎn)；將所述第一特征點(diǎn)組成的人臉圖像作為首幀，并將檢測(cè)到的后續(xù)幀與所述首幀對(duì)齊；根據(jù)所述第一特征點(diǎn)對(duì)所述人臉圖像進(jìn)行分塊，形成互不重疊的一組子塊；提取每一所述子塊對(duì)應(yīng)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(jí)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。本發(fā)明提供的微表情描述方法能夠適應(yīng)微表情時(shí)空特性和計(jì)算復(fù)雜度，實(shí)現(xiàn)移動(dòng)計(jì)算機(jī)裝置操作體驗(yàn)優(yōu)化。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種微表情描述方法、裝置、計(jì)算機(jī)裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

微表情(micro-expression)識(shí)別技術(shù)即基于微表情的識(shí)別技術(shù)。通過(guò)識(shí)別用戶持續(xù)時(shí)間非常短的微表情與電子設(shè)備進(jìn)行互動(dòng)。與宏觀表情相比，微表情最大的特點(diǎn)是持續(xù)時(shí)間短、強(qiáng)度小，僅憑人眼識(shí)別微表情是很難的。因此，目前最常見(jiàn)的是利用計(jì)算機(jī)視覺(jué)來(lái)實(shí)現(xiàn)微表情自動(dòng)識(shí)別，然而，針對(duì)這種識(shí)別方式要達(dá)到準(zhǔn)確識(shí)別的前提是：有效的特征描述方式。雖然目前研究人員在人臉識(shí)別、宏觀表情識(shí)別中提出了一些可行的特征描述符，且取得了不錯(cuò)的效果。但是，針對(duì)微表情的時(shí)空特性和計(jì)算復(fù)雜度，直接將上述特征描述符拓展到微表情識(shí)別中是不可行的。

發(fā)明內(nèi)容

鑒于以上內(nèi)容，有必要提出一種能夠適應(yīng)微表情時(shí)空特性和計(jì)算復(fù)雜度的微表情描述方法、裝置、計(jì)算機(jī)裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

本發(fā)明提供一種微表情描述方法，所述方法包括：

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

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

根據(jù)所述第一特征點(diǎn)對(duì)所述人臉圖像進(jìn)行分塊，形成互不重疊的一組子塊；

提取每一所述子塊對(duì)應(yīng)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(jí)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。

在其中一個(gè)實(shí)施例中，所述掃描人臉圖像，檢測(cè)所述人臉圖像的第一特征點(diǎn)，其中所述第一特征點(diǎn)為不受微表情影響的非共線特征點(diǎn)的步驟包括：

掃描人臉圖像，檢測(cè)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(diǎn)；及

提取所述非共線特征點(diǎn)，并將所述非共線特征點(diǎn)作為第一特征點(diǎn)。

在其中一個(gè)實(shí)施例中，所述將所述第一特征點(diǎn)組成的人臉圖像作為首幀，并將檢測(cè)到的后續(xù)幀與所述首幀對(duì)齊的步驟包括：

將所述第一特征點(diǎn)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(duì)應(yīng)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(duì)齊。

在其中一個(gè)實(shí)施例中，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(duì)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(jìn)行比對(duì)，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(duì)齊。

在其中一個(gè)實(shí)施例中，所述根據(jù)所述第一特征點(diǎn)對(duì)所述人臉圖像進(jìn)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(duì)齊后的對(duì)齊矩陣；及