[發明專利]一種人臉表情識別算法及系統

在審

• 申請號: 202010922462.4
• 申請日: 2020-09-04
• 公開（公告）號: CN112069990A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 汪禮君
• 申請（專利權）人: 汪禮君
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 長沙正務聯合知識產權代理事務所(普通合伙) 43252
• 代理人: 鄭雋;吳婷

本發明涉及一種人臉識別的技術領域，揭露了一種人臉表情識別算法，包括：獲取待識別人臉圖像，利用圖像二值化方法將待識別人臉圖像進行二值化處理，得到二值化人臉圖像；利用基于視覺的顯著性增強算法對二值化人臉圖像進行顯著性增強處理，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人臉顯著圖像進行邊緣特征的提取；將邊緣特征進行串接得到人臉表情特征；利用表情特征池對所述人臉表情特征進行進行降維處理，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行比較，根據比較結果進行人臉表情識別結果的輸出。本發明還提供了一種人臉表情識別系統。本發明實現了人臉表情的識別。

技術領域

本發明涉及人臉識別的技術領域，尤其涉及一種人臉表情識別算法及系統。

背景技術

隨著計算機視覺技術的迅猛發展，人類越來越渴求更加智能的人機交互體驗，人臉表情識別作為情緒識別領域的重要部分，是實現人機高級交互的必要條件，因此面部表情識別是當前一個熱門的研究領域。。

現有的表情識別算法，主要分為基于淺層模型的方法和基于深度學習的方法。基于淺層模型的方法的優點在于模型較小，而其缺點在于估計的精確性和魯棒性較差，原因是傳統局部特征提取算法，如局部二值模式特征、HOG特征、Haar特征等，對于特征提取的能力有限。基于深度學習的方法在深度神經網絡框架下，算法直接從原始圖像學習判別人臉面部屬性的特征，強大的特征提取能力以及出色的性能使其成為當前的主流方法。

但是現存的人臉識別算法仍存在一定的弊端，例如在某些環境下(受限于面部姿勢、光線照明、遮擋和錯位等因素)人臉情感分析會受到巨大的干擾，具有較大的改進空間。

鑒于此，如何提取魯棒性更強的人臉表情特征，并對現有人臉表情識別模型進行改進，從而實現人臉表情識別，成為本領域技術人員亟待解決的問題。

發明內容

本發明提供一種人臉表情識別算法，通過利用一種基于視覺的顯著性增強算法對人臉表情圖像進行顯著性增強處理，同時提出一種基于嘴部形狀邊緣特征的特征提取算法進行人臉表情特征的提取，最終實現對人臉表情的識別。

為實現上述目的，本發明提供的一種人臉表情識別算法，包括：

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

利用基于視覺的顯著性增強算法對二值化人臉圖像進行顯著性增強處理，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人臉顯著圖像進行邊緣特征的提取；

將邊緣特征進行串接得到人臉表情特征；

利用表情特征池對所述人臉表情特征進行進行降維處理，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行比較，根據比較結果進行人臉表情識別結果的輸出。

可選地，所述利用圖像二值化方法將待識別人臉圖像進行二值化處理，包括：

1)計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；

ρ(k)為人臉圖像中灰度級為k的像素出現的概率；

n(k)為人臉圖像中灰度級為k的像素出現的個數；

2)設置灰度級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：