【技术实现步骤摘要】
本专利技术涉及人体面部识别技术,尤其涉及一种基于双目视觉的人体面部表情识别方法及其装置。
技术介绍
目前,基于图像处理的人体面部表情识别主要是通过二维图像分析处理得到人体的面部表情。二维图像分析系统在结构上具有一定的不足和缺陷,主要表现在识别系统的不全面性和不准确性,二维图像所包含的图像信息有限,且容易受到光照、姿势等影响,精确定位较难实现,给人体面部表情识别带来了障碍。二维图像的表情识别系统一般首先提取人体面部的几何特征,然后根据其变化进行表情识别,但需要实现面部关键点的精确定位,对于在实际环境中快速准确地实现这一识别来说是很困难的。同时二维图像处理无法解析出人体面部三维变化。相比于单个相机检测,通过双目相机的左右相机和三维建模的相互校验可以减小面部表情识别错误率。因此,为了克服现有技术中的上述缺陷,亟需一种能够快速准确的人体面部表情识别技术和装置。
技术实现思路
本专利技术提出了一种基于双目视觉的人体面部表情识别方法,可以通过二维图像与三维图像技术的结合,快速精确地识别人体面部表情。本专利技术提出了一种基于双目视觉的人体面部表情识别方法,包括:获取一帧人体面部的图像,所述人体面部的图像包括第一面部图像与第二面部图像;匹配面部表情,根据预设的面部表情图像数据库分别对所述第一面部图像与所述第二面部图像进行匹配,获得第一面部表情数据与第二面部表情数据;匹配三维表情,根据所述第一面部图像与第二面部 ...
【技术保护点】
一种基于双目视觉的人体面部表情识别方法,其特征在于,包括:获取一帧人体面部的图像,所述人体面部的图像包括第一面部图像与第二面部图像;匹配面部表情,根据预设的面部表情图像数据库分别对所述第一面部图像与所述第二面部图像进行匹配,获得第一面部表情数据与第二面部表情数据;匹配三维表情,根据所述第一面部图像与第二面部图像建立三维面部模型,根据所述面部表情图像数据库对所述三维面部模型进行匹配,获得三维面部表情数据;识别面部表情,分别将所述第一面部表情数据与所述第二面部表情数据与所述三维面部表情数据进行对比,若其中两个以上面部表情数据一致,则一致的面部表情数据被识别为当前的面部表情;否则,重新获取一帧人体面部的图像进行面部表情识别;计算面部表情持续时间,获取下一帧人体面部的图像对应的面部表情,若与当前的面部表情相同,则对所述当前的面部表情进行计时,直至获取的人体面部的图像所对应的面部表情与所述当前的面部表情不同时获得所述当前的面部表情的持续时间,并重新对获取的人体面部的图像所对应的面部表情进行计时;生成结果,输出所述当前的面部表情及相应的持续时间。
【技术特征摘要】
1.一种基于双目视觉的人体面部表情识别方法,其特征在于,包括:
获取一帧人体面部的图像,所述人体面部的图像包括第一面部图像与第二面部图像;
匹配面部表情,根据预设的面部表情图像数据库分别对所述第一面部图像与所述第二面
部图像进行匹配,获得第一面部表情数据与第二面部表情数据;
匹配三维表情,根据所述第一面部图像与第二面部图像建立三维面部模型,根据所述面
部表情图像数据库对所述三维面部模型进行匹配,获得三维面部表情数据;
识别面部表情,分别将所述第一面部表情数据与所述第二面部表情数据与所述三维面部
表情数据进行对比,若其中两个以上面部表情数据一致,则一致的面部表情数据被识别为当
前的面部表情;否则,重新获取一帧人体面部的图像进行面部表情识别;
计算面部表情持续时间,获取下一帧人体面部的图像对应的面部表情,若与当前的面部
表情相同,则对所述当前的面部表情进行计时,直至获取的人体面部的图像所对应的面部表
情与所述当前的面部表情不同时获得所述当前的面部表情的持续时间,并重新对获取的人体
面部的图像所对应的面部表情进行计时;
生成结果,输出所述当前的面部表情及相应的持续时间。
2.如权利要求1所述的基于双目视觉的人体面部表情识别方法,其特征在于,所述三维
面部模型是根据所述第一面部图像与所述第二面部图像采用双目立体匹配方式建立的。
3.如权利要求1所述的基于双目视觉的人体面部表情识别方法,其特征在于,根据所述
面部表情图像数据库匹配所述第一面部图像、所述第二面部图像或所述三维面部模型的过程
包括:
获取所述面部表情图像数据库中不同表情下面部图像特征部位的特征点集合;
获取所述第一面部图像、所述第二面部图像或所述三维面部模型的特征点向量;
根据每一种表情下的所述特征点集合,分别获取所述特征点向量针对所述表情的匹配率;
确定匹配率最高的表情为所述第一面部表情数据、所述第二面部表情数据或所述三维面
部表情数据。
4.如权利要求3所述的基于双目视觉的人体面部表情识别方法,其特征在于,计算匹配
率的计算过程包括如下步骤:
采用Harris角点为匹配的关键特征点,分别计算第一面部图像与第二面部图像的Harris
角点,将计算得到的Harris角点与标准数据库中在不同表情下图像的Harris角点进行匹配,
将匹配度最高的表情设置为第一面部表情数据与第二面部表情数据;
对面部关...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。