A micro expression detection method with the optical flow feature vector model of the region of interest and value perspective, firstly the micro Expression Video pretreatment micro expression sequence, and then extract the facial feature points according to the motion characteristics of different FACS expression movement unit, find out the best effect of face region of interest; flow feature extraction the region of interest, which was first introduced in the invention of the optical flow vector angle information, get the optical flow vector modulus and angle information through calculation, and further combine the characteristics of detecting micro expression fragments more comprehensive and more judgment; finally, this method will be combined with the optical flow modulus angle, which is to determine the threshold according to the size of the optical flow model, using the combination of number and shape method can visually obtain micro expression fragment. The method greatly improves the efficiency of micro expression detection, and extracts the optical flow feature vector only in the important region of the face, reduces the calculation amount and reduces the time consumption, and is a high robustness micro expression detection method.
【技术实现步骤摘要】
一种基于感兴趣区域的光流特征矢量模值和角度结合的微表情检测方法
本专利技术涉及一种基于感兴趣区域的光流特征矢量模值和角度结合的微表情检测方法,属于模式识别以及计算机视觉的
技术介绍
近年来,我们可以通过对声音、面部表情、肢体语言等特征的识别,更好地实现人机交互,而实现人机交互最重要的是对人类情感的识别。其中面部表情是识别人类情感最重要的特征,但在很多情况下人们会隐藏或压抑他们真实的情感,我们通常称之为微表情。微表情是一种持续时间仅为1/25秒至1/5秒的非常快速的表情,它能揭示人类试图隐藏的真实情感,在国家安全、临床诊断、案件侦破、危险预警、个人防卫等领域都展现出良好的应用前景,尤其是在测谎方面有重要的应用价值。但是微表情研究起步较晚,存在大量有待解决的问题。微表情检测是指从图像序列中确定微表情起始帧、高潮帧和结束帧的位置,它是微表情数据库建立及微表情识别算法过程中非常重要的环节,准确高效的微表情检测技术能极大的促进微表情数据库的建立以及微表情自动识别技术的发展,在临床检测、案件侦查以及公共安全等领域具有十分重要的应用前景和价值。在实际生活中,由于微表情持续时间短且强度低的特点,它很难被肉眼识别。只有通过高强度训练的人才能区分微表情,但是即使经过正确地训练,识别率仅有47%。因此,微表情检测技术成为了计算机视觉和模式识别领域炙手可热的研究课题。近年来随着计算机视觉和模式识别技术的飞速发展,微表情自动检测技术取得了很多成果。主要方法有以下三类。频域方法:Wu等人通过提取Gabor特征,采用GentleSVM定位模拟微表情,此方法用于模拟微表情而不是 ...
【技术保护点】
一种基于感兴趣区域的光流特征矢量模值和角度结合的微表情检测方法,其特征在于,该检测方法包括:步骤一、对微表情视频进行预处理,包括分帧、人脸定位、人脸对齐和人脸裁剪;步骤二、对所述微表情图像序列中的图像划分人脸感兴趣区域,提取人脸感兴趣区域的光流特征矢量:步骤三、通过光流矢量计算出光流模值,通过反三角函数对光流矢量进行计算,得到光流角度;并引入一种更加形象直观的方法将光流矢量的模值与角度信息进行结合,根据光流模值计算阈值,微表情视频的帧率给定最小帧长度,将有相同光流角度且光流模值大于阈值得到的连续不间断的帧数,将帧数大于最小帧长度的图像序列判为微表情序列,实现微表情的检测。
【技术特征摘要】
1.一种基于感兴趣区域的光流特征矢量模值和角度结合的微表情检测方法,其特征在于,该检测方法包括:步骤一、对微表情视频进行预处理,包括分帧、人脸定位、人脸对齐和人脸裁剪;步骤二、对所述微表情图像序列中的图像划分人脸感兴趣区域,提取人脸感兴趣区域的光流特征矢量:步骤三、通过光流矢量计算出光流模值,通过反三角函数对光流矢量进行计算,得到光流角度;并引入一种更加形象直观的方法将光流矢量的模值与角度信息进行结合,根据光流模值计算阈值,微表情视频的帧率给定最小帧长度,将有相同光流角度且光流模值大于阈值得到的连续不间断的帧数,将帧数大于最小帧长度的图像序列判为微表情序列,实现微表情的检测。2.根据权利要求1所述的一种基于感兴趣区域的光流特征矢量模值和角度结合的微表情检测方法,其特征在于,在步骤二中,对所述微表情图像序列中的图像划分人脸感兴趣区域后,根据不同表情FACS运动单元的运动特点,从人脸感兴趣区域中找出效果最好的一个人脸感兴趣区域;优选的,所述步骤二中:提取所述人脸感兴趣区域的光流特征矢量的方法如下:选择微表情图像序列代表中性表情的一帧作为基础帧;利用光流法提取微表情图像序列的每一帧相对于所述基础帧在人脸感兴趣区域的光流矢量:得到相对于基础帧在人脸感兴趣区域上的光流矢量的水平分量x和垂直分量y;优选的,所述步骤一中,所述对微表情视频进行预处理,得到微表情图像序列的方法包括:对微表情视频进行分帧、人脸定位、人脸对齐和裁剪。3.根据权利要求2所述的一种基于感兴趣区域的光流特征矢量模值和角度结合的微表情检测方法,其特征在于,所述步骤三中:通过所述光流矢量的水平分量x和垂直分量y,计算微表情序列的每一帧光流矢量的模值;利用角度信息描述微表情序列的每一帧图像:通过计算光流矢量的水平分量x和垂直分量y的反三角函数arctan()得到的夹角。4.根据权利要求3所述的一种基于感兴趣区域的光流特征矢量模值和角度结合的微表情检测方法,其特征在于,所述步骤二中,对所述微表情图像序列中的图像划分人脸感兴趣区域的方法包括:先定位人脸特征点,再结合所述人脸特征点周围区域运动特点和FACS的AU运动单元,以所述人脸特征点的坐标位置为基准划入若干像素值,进而得到与所述人脸特征点对应的人脸感兴趣区域。5.根据权利要求4所述的一种基于感兴趣区域的光流特征矢量模值和角度结合的微表情检测方法,其特征在于,所述步骤二中提取所述人脸感兴趣区域的光流特征矢量的方法具体如下:在一段微表情图像序列中,在某时刻t,像素点(x,y)处的灰度值为I(x,y,t),该像素点在t+dt时刻运动到了(x+dx,y+dy),根据灰度守恒约束条件得到:I(x,y,t)=I(x+dx,y+dy,t+dt)(1)将等号右边部分按泰勒公式展开得到:1其中,τ是高阶无穷小,因此变化为:最终得到:I(x,y,t)位置处的光流表示成用fx表示fy表示ft表示其中分别是光流失量的水平分量x和垂直分量y;EC=∫∫(fxu+fyv+ft)2dxdy(6)根据正规则理论,需对光流场施加平滑约束;传统的...
【专利技术属性】
技术研发人员:贲晛烨,任亿,王建超,庞建华,薛娜,张鑫,
申请(专利权)人:山东大学,
类型:发明
国别省市:山东,37
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。