[發(fā)明專利]一種人臉表情識(shí)別算法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010922462.4
• 申請(qǐng)日: 2020-09-04
• 公開（公告）號(hào): CN112069990A
• 公開（公告）日: 2020-12-11
• 發(fā)明（設(shè)計(jì)）人: 汪禮君
• 申請(qǐng)（專利權(quán)）人: 汪禮君
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 長沙正務(wù)聯(lián)合知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 43252
• 代理人: 鄭雋;吳婷

1.一種人臉表情識(shí)別算法，其特征在于，所述方法包括：

獲取待識(shí)別人臉圖像，利用圖像二值化方法將待識(shí)別人臉圖像進(jìn)行二值化處理，得到二值化人臉圖像；

利用基于視覺的顯著性增強(qiáng)算法對(duì)二值化人臉圖像進(jìn)行顯著性增強(qiáng)處理，得到人臉顯著圖像；

利用基于嘴部形狀邊緣特征的特征提取算法對(duì)人臉顯著圖像進(jìn)行邊緣特征的提取；

將邊緣特征進(jìn)行串接得到人臉表情特征；

利用表情特征池對(duì)所述人臉表情特征進(jìn)行進(jìn)行降維處理，得到降維后的人臉表情特征，并將所述人臉表情特征同表情閾值進(jìn)行比較，根據(jù)比較結(jié)果進(jìn)行人臉表情識(shí)別結(jié)果的輸出。

2.如權(quán)利要求1所述的一種人臉表情識(shí)別算法，其特征在于，所述利用圖像二值化方法將待識(shí)別人臉圖像進(jìn)行二值化處理，包括：

1)計(jì)算人臉圖像的平均灰度：

其中：

M×N像素為所述人臉圖像的大小；

k表示人臉圖像的灰度級(jí)；

ρ(k)為人臉圖像中灰度級(jí)為k的像素出現(xiàn)的概率；

n(k)為人臉圖像中灰度級(jí)為k的像素出現(xiàn)的個(gè)數(shù)；

2)設(shè)置灰度級(jí)m為分割閾值，小于此閾值為背景，大于等于此閾值為前景，從而將人臉圖像分成前景和背景，則背景灰度值為：

背景像素占圖像比例為：

前景灰度值為：

前景像素占圖像比例為：

3)計(jì)算前景和背景的方差：

σ＝w_b×(μ_b-μ)²+w_f×(μ_f-μ)²

其中：

μ_b，μ_f分別為前景和背景的灰度值；

w_b，w_f分別為前景像素和背景像素占圖像的比例；

μ為圖像的灰度值；

通過對(duì)分割閾值m進(jìn)行修改，使得前景和背景的方差達(dá)到最大，此時(shí)的分割閾值為最佳分割閾值，并以此最佳分割閾值進(jìn)行人臉圖像的二值化分割處理，得到二值化人臉圖像。

3.如權(quán)利要求2所述的一種人臉表情識(shí)別算法，其特征在于，所述利用基于視覺的顯著性增強(qiáng)算法對(duì)二值化人臉圖像進(jìn)行顯著性增強(qiáng)處理，包括：

1)將二值化人臉圖像利用擴(kuò)張卷積核計(jì)算，得到如下特征圖：

g₂(x，y)＝{RF₁，...，RF_i}

RF_i＝RF_i-1+(k-1)×s

其中：

RF_i-1是上一層卷積核的感受野；

k為卷積核的尺寸；

s為步長；

2)利用注意卷積LSTM模型，將特征圖基于注意遞歸機(jī)制迭代地聚集于相關(guān)空間位置，得到視覺顯著性預(yù)測圖；

3)將二值化人臉圖像與視覺顯著性預(yù)測圖進(jìn)行相乘計(jì)算，得到人臉顯著圖像，所述計(jì)算公式為：

g(x，y)＝g₁(x，y)·g₂(x，y)

其中：

g(x，y)為人臉顯著圖像；

g₁(x，y)為二值化人臉圖像；

g₂(x，y)為二值化人臉圖像的特征圖。