【技术实现步骤摘要】
一种人脸表情的识别方法及系统
本专利技术涉及信息处理
,特别涉及一种人脸表情的识别方法及系统。
技术介绍
人脸表情识别在应用在许多领域,比如身份识别,实时表情动画和跟踪技术等。在现有技术中,在进行人脸表情识别时,直接通过人脸特征点的几何关系,结合经验值的方式实时运算出人脸特征点到动作单元(ActionUnit,AU)的映射关系。比如针对闭眼表情的识别,通过检测人脸特征点中眼睛的几何位置,然后结合经验值得出闭眼表情对应的眼睛的最大张角作为判断阈值,然后根据具体检测到的眼睛张角与阈值进行比对,如果满足阈值条件则认为当前为闭眼表情。但是由于每个人之间,特征几何关系经验阈值存在较大差异,用经验方法很难找到一个适合大部分人的阈值,从而导致识别结果不够准确和鲁棒。
技术实现思路
本专利技术实施例提供一种人脸表情的识别方法及系统,实现了根据偏转角度为零的第二人脸图像中人脸的第二特征点信息及预置的机器学习模型,确定第二人脸图像中人脸的表情信息。本专利技术实施例提供一种人脸表情的识别方法,包括:获取第一人脸图像中人脸的第一特征点信息;根据所述第一特征点信息计算所述第一人脸图像中人脸的第一偏转角度;根据所述第一偏转角度将所述第一人脸图像转换为第二人脸图像,所述第二人脸图像中人脸的偏转角度为零,且所述第二人脸图像是所述第一人脸图像中人脸偏转后得到的图像;根据所述第二人脸图像中人脸的第二特征点信息及预置的机器学习模型,确定所述第二人脸图像中人脸的表情信息,其中,所述机器学习模型包括人脸表情信息与人脸特征点信息的对应关系。本专利技术实施例还提供一种人脸表情的识别系统,包括:信息获 ...
【技术保护点】
一种人脸表情的识别方法,其特征在于,包括:获取第一人脸图像中人脸的第一特征点信息;根据所述第一特征点信息计算所述第一人脸图像中人脸的第一偏转角度;根据所述第一偏转角度将所述第一人脸图像转换为第二人脸图像,所述第二人脸图像中人脸的偏转角度为零,且所述第二人脸图像是所述第一人脸图像中人脸偏转后得到的图像;根据所述第二人脸图像中人脸的第二特征点信息及预置的机器学习模型,确定所述第二人脸图像中人脸的表情信息,其中,所述机器学习模型包括人脸表情信息与人脸特征点信息的对应关系。
【技术特征摘要】
1.一种人脸表情的识别方法,其特征在于,包括:获取第一人脸图像中人脸的第一特征点信息;根据所述第一特征点信息计算所述第一人脸图像中人脸的第一偏转角度;根据所述第一偏转角度将所述第一人脸图像转换为第二人脸图像,所述第二人脸图像中人脸的偏转角度为零,且所述第二人脸图像是所述第一人脸图像中人脸偏转后得到的图像;根据所述第二人脸图像中人脸的第二特征点信息及预置的机器学习模型,确定所述第二人脸图像中人脸的表情信息,其中,所述机器学习模型包括人脸表情信息与人脸特征点信息的对应关系。2.如权利要求1所述的方法,其特征在于,所述根据所述第二人脸图像中人脸的第二特征点信息及预置的机器学习模型之前,所述方法还包括:分别获取多个第一人脸训练图像中每个第一人脸训练图像中人脸的第三特征点信息和表情信息;根据所述第三特征点信息计算对应的所述第一人脸训练图像中人脸的第二偏转角度;根据所述第二偏转角度将对应的所述第一人脸训练图像转换为第二人脸训练图像,所述第二人脸训练图像中人脸的偏转角度为零,且所述第二人脸训练图像是所述第一人脸训练图像中人脸偏转后得到的图像;对多个所述第二人脸训练图像中人脸的第四特征点信息及所述多个第一人脸训练图像中人脸的表情信息进行训练得到所述机器学习模型。3.如权利要求2所述的方法,其特征在于,所述对多个所述第二人脸训练图像中人脸的第四特征点信息及所述多个第一人脸训练图像中人脸的表情信息进行训练得到所述机器学习模型,具体包括:针对具有某一相同表情信息的a个第一人脸训练图像分别对应的第二人脸训练图像中人脸相应部位的所述第四特征点信息,所述第四特征点信息中包括b个特征点的信息,提取各个所述第二人脸训练图像中所述b个特征点的位置特征信息;建立所述位置特征信息与所述某一相同表情信息的第一对应关系,所述机器学习模型中包括所述第一对应关系。4.如权利要求1至3任一项所述的方法,其特征在于,所述第一特征信息包括所述第一人脸图像中人脸的多个特征点的二维位置信息,则所述根据所述第一特征点信息计算所述第一人脸图像中人脸的偏转角度,具体包括:根据人脸三维模型,分别确定所述第一人脸图像中人脸的各个特征点的二维位置信息对应的三维位置信息;根据三维到二维的投影关系,二维位置信息及三维位置信息,建立关于旋转矩阵的最小误差模型;所述旋转矩阵是三维到二维的投影过程中的旋转矩阵;根据对所述最小误差模型进行求解得到所述旋转矩阵,将所述旋转矩阵分解得到所述第一人脸图像中人脸在各个方向的偏转角度,所述第一偏转角度包括所述各个方向的偏转角度。5.如权利要求4所述的方法,其特征在于,所述最小误差模型还包括三维到二维的投影过程中的空间偏移向量和缩放因子;所述根据所述第一偏转角度将所述第一人脸图像转换为第二人脸图像,具体包括:根据所述旋转矩阵,空间偏移向量和缩放因子将所述第一人脸图像中人脸的各个特征点的二维位置信息转化为真实三维位置信息;根据所述各个特征点的真实三维位置信息,将所述各个特征点分别按照所述偏转角度进行反向偏转,得到对应的偏转后的三维位置信息;根据所述旋转矩阵,空间偏移向量和缩放因子,将所述各个特征点的偏转后的三维位置信息分别转化为偏转后的二维位置信息,所述第二人脸图像中人脸的第二...
【专利技术属性】
技术研发人员:李斌,易成,王新亮,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
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。