[發(fā)明專利]一種人臉微表情識別方法及裝置

在審

• 申請?zhí)枺?/td>: 202110961491.6
• 申請日: 2021-08-20
• 公開（公告）號: CN113505755A
• 公開（公告）日: 2021-10-15
• 發(fā)明（設(shè)計）人: 張津;劉帥
• 申請（專利權(quán)）人: 中國農(nóng)業(yè)銀行股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 張影

1.一種人臉微表情識別方法，其特征在于，包括：

獲取待識別的人臉微表情圖像序列；

分別獲取所述人臉微表情圖像序列的每個像素的HLTP特征；其中，所述HLTP特征是在Haar特征的基礎(chǔ)上結(jié)合LTP特征得到的圖像特征；

基于每個像素的HLTP特征，確定所述人臉微表情圖像序列在時空三維平面的每一平面上的特征直方圖；

根據(jù)所述人臉微表情圖像序列在時空三維平面的每一平面上的特征直方圖，對所述人臉微表情圖像序列進行分類，確定所述人臉微表情圖像序列對應(yīng)的表情類別。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在獲取待識別的人臉微表情圖像序列后，所述方法還包括：

對所述人臉微表情圖像序列進行放大、去噪和歸一化處理。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述分別獲取所述人臉微表情圖像序列的每個像素的HLTP特征，包括：

對應(yīng)于所述人臉微表情圖像序列在時空三維平面的每一平面上的每個像素，分別執(zhí)行如下處理：

通過對HLTP編碼模型以及特征計算區(qū)域進行卷積計算，計算得到該像素的特征計算閾值；其中，所述特征計算區(qū)域是指在該像素所在的平面上，以該像素為中心的設(shè)定大小的圖像區(qū)域；

根據(jù)HLTP編碼模型與該特征計算區(qū)域的卷積結(jié)果以及該特征計算閾值，計算確定該像素的HLTP特征值。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于每個像素的HLTP特征，確定所述人臉微表情圖像序列在時空三維平面的每一平面上的特征直方圖，包括：

對應(yīng)時空三維平面的每一平面，分別進行如下處理：

對所述人臉微表情圖像序列在該平面上的每個像素的HLTP特征進行統(tǒng)計，確定所述人臉微表情圖像序列在該平面上的特征直方圖。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述人臉微表情圖像序列在時空三維平面的每一平面上的特征直方圖，對所述人臉微表情圖像序列進行分類，確定所述人臉微表情圖像序列對應(yīng)的表情類別，包括：

根據(jù)所述人臉微表情圖像序列在時空三維平面的每一平面上的特征直方圖，確定所述人臉微表情圖像序列的特征直方圖；

將所述人臉微表情圖像序列的特征直方圖輸入預(yù)先訓(xùn)練的表情分類模型，確定所述人臉微表情圖像序列對應(yīng)的表情類別；

其中，所述表情分類模型通過對人臉微表情圖像序列樣本在時空三維平面的每一平面上的特征直方圖進行權(quán)重設(shè)置，并基于設(shè)置的權(quán)重以及人臉微表情圖像序列樣本在時空三維平面的每一平面上的特征直方圖，對人臉微表情圖像序列樣本進行表情分類訓(xùn)練得到。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述表情分類模型的訓(xùn)練過程，包括：

對應(yīng)于預(yù)設(shè)的每種表情類別，分別通過如下處理訓(xùn)練對應(yīng)的SVM分類器：

獲取人臉微表情圖像序列樣本在時空三維平面的每一平面上的特征直方圖；

為人臉微表情圖像序列樣本在時空三維平面的每一平面上的特征直方圖分別設(shè)置權(quán)重，并獲取人臉微表情圖像序列樣本的加權(quán)特征直方圖；

使SVM分類器基于人臉微表情圖像序列樣本的加權(quán)特征直方圖，對人臉微表情圖像序列樣本進行表情分類；

基于表情分類結(jié)果以及與人臉微表情圖像序列樣本對應(yīng)的表情類別標簽，對SVM分類器進行參數(shù)校正；

重復(fù)上述過程，直至SVM分類器能準確地對人臉微表情圖像序列樣本進行表情分類；

將訓(xùn)練得到的對應(yīng)預(yù)設(shè)的每種表情類別的SVM分類器進行組合，得到表情分類模型。