一种人脸表情识别方法技术

本发明专利技术公开了一种人脸表情识别方法，属于图像处理。本发明专利技术为：从表情库中选择多幅不同人的中性表情图像，以及多幅与所选中性表情同人的各类表情图片，并分别提取N个特征点的位置信息向量；基于后者与前者的向量差得到对应不同表情类别的底层表情特征点信息向量feij，并基于feij训练各类表情的SVM分类器；再feij分别送入各SVM分类器中，计算feij分别到各SVM分类器的超平面的距离，形成表情特征库；在待识别人的中性表情图像和实时输入的待识别图像上提取位N个特征点的位置信息向量，计算前者与后者的向量差，并送入各SVM分类器中进行特征变换处理，得到特征向量；取该特征向量与表情特征库中欧式距离所对应的特征向量为识别出的表情。本发明专利技术能提升识别的准确性和实时性。

【技术实现步骤摘要】
一种人脸表情识别方法
本专利技术涉及图像处理，具体涉及人脸表情识别技术。
技术介绍
人脸表情识别技术在近年来随着一些相关领域的飞速发展如机器学习，图像处理，人类识别等，成为了一个热点发展的技术。人脸表情识别系统的影响和潜力同时推广到广大的应用场合中，如人机交互，智能机器人，驾驶员状态监督等等。人脸表情识别系统是计算机理解人们情感的前提，也是人们探索智能、理解智能的有效途径。如何实现计算机的拟人化，使其能根据周围的环境以及对象的状态等内容，自适应地为交流对象提供最友好的操作环境，消除操作者和机器之间的障碍，己经成为下一代人机界面发展的目标，是智能机器人走进人们日常生活必须解决的问题，对建立多信息智能化人机交互系统有着重要意义。人脸表情识别技术一般包括三部分内容：(1)人脸检测；(2)人脸表情特征的提取；(3)表情特征的分类。其中人脸表情特征提取是整个系统中最为核心的步骤，特征提取直接影响到识别的精度，鲁棒性，和实时性。常见的人脸特征提取的方法包括：基于几何特征，表观特征，动态特征的方法。1)基于几何特征的方法，这类方法是对人脸特定的区域如眼睛，嘴，鼻等区域建立模型或者二维的拓扑结构，提本文档来自技高网...

【技术保护点】
一种人脸表情识别方法，其特征在于，包括下列步骤:步骤1：构建表情特征库步骤101：从表情库中选择R幅不同人的中性表情图像，其中所述R大于或等于20；分别在各图像上定位N个表情特征点的位置信息，提取每幅图片的表情特征点信息向量vi＝(x1,x2,...,xn,y1,y2,...yn),其中n＝1,2,...,N；i＝1,2,...,R；并分别对各特征点信息向量vi进行预处理得到vi‾=(x1-x‾,x2-x‾,···,xn-x‾,y1-y‾,y2-y&Ove...

【技术特征摘要】
1.一种人脸表情识别方法，其特征在于，包括下列步骤:步骤1：构建表情特征库步骤101：从表情库中选择R幅不同人的中性表情图像，其中所述R大于或等于20；分别在各图像上定位N个表情特征点的位置信息，提取每幅图片的表情特征点信息向量vi＝(x1,x2,...,xn,y1,y2,...yn),其中n＝1,2,...,N；i＝1,2,...,R；并分别对各特征点信息向量vi进行预处理得到其中分别表示向量vi中N个xn的均值，N个yn的均值；步骤102：从表情库中选择与步骤101中对应R人的各类表情图片各S幅，其中所述S大于或等于5；分别在每幅图像上定位N个表情特征点的位置信息，提取每幅图片的表情特征点信息向量其中上标j用于标识不同的表情分类；并分别对各特征点信息向量进行预处理得到其中分别表示向量中N个xn的均值，N个yn的均值；步骤103：计算底层表情特征点信息向量步骤104：基于底层表情特征点信息向量feij训练各类表情对应的SVM分类器；其中，训练任意一种表情的SVM分类器具体为：将底层表情特征点信息向量feij中的某一类表情特征作为正样本，其他所有表情特征作为负样本，训练一个SVM分类器；步骤105：将底层表情特征点信息向量feij分别送入步骤104得到的各SVM分类器中，计算每一个底层表情特征点信息向量feij分别到各SVM分类器的超平面的距离由各个形成表情特征库；步骤2：人脸表情识别步骤201：输入待识别人的人脸中性表情图像，在当前图像上定位N个表情特征点的位置信息，提取位置信息向量v'＝(x1,x2,...,xn,y1,y2,...yn)，并进行预处理得到其中分别表示向量v'中N个xn的均值，N个yn的均值；步骤202：实时输入步骤201所述的待识别人的人脸图像序列，在每一幅图像上定位N个表情特征点的位置信息，提取位置信息向量u'＝(x1,x2,...,xn,y1,y2,...yn)，并进行预处理得到其中分别表示向量u'中N个xn的均值，N个yn的均值；步骤203：将送入步骤104得到的各SVM分类器中进行特征变换处理，得到特征向量featest；步骤204：计算特征向量featest与表情特征库中各个向量的欧式距离，将欧式距离最小的特征向量j的所对应的表情类别确定为当前待识别人的表情。2.如权利要求1所述的方法，其特征在于，所述步骤101中，提取每幅图片的表情特征点信息包括下列步骤：A.基于采样的人脸表情特征点，训练特征点定位的随机森林：步骤a1：对训练样本图像进行特征点标记，并记录得到的N个表情特征点的位置信息；步骤a2：将训练样本图像随机分为M组图像组，每组图像组分别对应特征点定位的随机森林的一颗决策二叉树Tm，其中m＝1,...,M；分别在各图像组的每幅图像上随机抽取若干相同大小的方块bi，标识符i用于区分不同的方块，第m组图像组所包含的所有方块bi构成训练集落入决策二叉树Tm的根节点；步骤a3：随机生成0到255之间的两个以上随机数τi，构成分离参数组G＝{τi}，基于分离参数组G对决策二叉树Tm的节点进行分类处理：确定当前待处理节点的最优分离参数τ*：若方块bi的积分图均值或积分图的任一像素点...

【专利技术属性】
技术研发人员：马争，解梅，陈路，蔡家柱，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51