The present invention relates to fusion depth image and multi channel characteristics of facial expression recognition method, the method comprises the following steps: facial expression images of the input face region recognition and preprocessing; multi channel selection of image feature, texture feature extraction depth image entropy, entropy and gray image color image salient features as information the facial texture, texture feature extraction of texture information using gray histogram method, geometric features using active appearance model, extract the facial feature points as geometric features from color information in image fusion; texture feature and geometrical characteristics, different characteristics of different kernel functions for kernel function fusion, and the fusion result of carrying up to class support vector machine classifier classification. Compared with the prior art, the method can effectively overcome the influence of different illumination, different head postures and complex background factors in the facial expression recognition, and improves the facial expression recognition rate, and has good real-time performance and robustness.
【技术实现步骤摘要】
一种融合深度图像和多通道特征的表情识别方法
本专利技术涉及图像处理
,具体涉及图像处理,人机交互,具体是涉及人脸表情识别技术。
技术介绍
人脸表情交互是人机交互与情感计算的一个重要研究内容。面部表情是最有说服力的,同样也是人类情感交流,表达意图甚至规范与其他人自然交互的重要途径。面部表情往往能够传达很多语言所不能传达的东西。面部表情可以分为宏观表情和微观表情,宏观表情是人们在常规状态下展示出的面部信号;而微观表情则是短暂的、潜在的表情,这种表情通常在人们有意或无意的隐藏或压制他们的内心情感时发生。面部运动不仅反映了面部情感,也反映出了其他类情感,如社会活动和心理变化。这些都论述了智能面部行为分析的重要性,智能面部行为分析包括面部表情及情感的分析以及面部活动单元的识别,这些都是该领域近二十年来炙手可热的研究领域。计算机通过对人脸表情的识别,可以感知人类的情感和意图,并生成自身的表情,与人类进行智能和自然的交流。在多模人机交互中,人脸表情也扮演十分重要的作用。人脸表情往往反映了人在特定场合特定的心理状态,但这些表情往往细微或者不易被人察觉。由于人的注意力有限,无法顾及这类变化的发生,甚至有可能得出相反的结论。通过计算机对人的表情进行识别,则可以得到更加客观、精确的结果。随着数字技术的推广,该技术可以应用到日常生活的诸多方面,例如社交友好度检测,公安机关测谎辅助。在互联网+的时代,智能交互的网络教学已经崭露头角,精准的面部表情分析能够协助教师及时察觉学生听课情绪,从而制定更加个人化、高效率的教学方案。主流的人脸表情或者情感方面的研究主要是基于RGB摄像机, ...
【技术保护点】
一种融合深度图像和多通道特征的表情识别方法,其特征在于,包括以下步骤:对输入的人脸表情图像进行配准,人脸区域识别并进行预处理操作;提取面部表情图像中的显著性特征、图像熵特征以及面部表情几何特征;将以上显著性特征、图像熵特征以及面部表情几何特征融合形成多通道面部表情特征向量,并将融合结果输送至多类支持向量机分类器进行表情分类识别。
【技术特征摘要】
1.一种融合深度图像和多通道特征的表情识别方法,其特征在于,包括以下步骤:对输入的人脸表情图像进行配准,人脸区域识别并进行预处理操作;提取面部表情图像中的显著性特征、图像熵特征以及面部表情几何特征;将以上显著性特征、图像熵特征以及面部表情几何特征融合形成多通道面部表情特征向量,并将融合结果输送至多类支持向量机分类器进行表情分类识别。2.根据权利要求1所述的融合深度图像和多通道特征的表情识别方法,其特征在于,所述对输入的人脸表情图像进行配准包括步骤:步骤101:获取彩色RGB图像和Kinect深度图像并进行配准,由于深度红外摄像头和RGB相机处于不同位置,使用配准变换矩阵:其中R和T分别为旋转矩阵和平移矩阵,(x,y,z),(X,Y,Z)分别RGB图像和深度图像的像素坐标。3.根据权利要求2所述的融合深度图像和多通道特征的表情识别方法,其特征在于,人脸区域识别并进行预处理操作包括步骤:对Kinect深度图像进行鼻尖检测,以鼻尖为球心按一定半径,球面裁切得到框选的人脸表情区域,在深度数据模式下定位人脸位置并完成裁切;将采集到的深度数据转化为深度图像;确定裁切深度图像范围后,在彩色图像中进行面部范围同尺寸裁切;根据裁切后的彩色图像和深度图像进行中值滤波,将处理得到的面部表情图像利用线性插补的方法,进行图片尺寸统一。4.根据权利要求3所述的融合深度图像和多通道特征的表情识别方法,其特征在于,当采用Kinect进行深度数据采集时,深度数据的数值范围在0-4095之间,则需要将每个像素位置点的深度数...
【专利技术属性】
技术研发人员:蔡林沁,杨洋,虞继敏,崔双杰,陈双双,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆,50
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。