【技术实现步骤摘要】
脸部表情识别方法及装置
本专利技术涉及脸部表情识别
，具体而言，涉及一种脸部表情识别方法及装置。
技术介绍
人类进行情感信息交流强大而重要的载体是面部表情，人类的情绪可以通过表情的变化流露出来，因此表情在我们的日常生活中起着至关重要的作用。近几年，面部表情识别已应用在心理学，医学和人机交互等领域。为了使机器更加准确的学习和识别面部表情，需要不断开发计算机视觉和机器学习技术。表情识别过程包括特征提取和分类识别，提取的面部特征优劣判别在于特征是否具有较高的区分度、较强的鲁棒性以及信息是否较为完整。目前的脸部表情识别方法识别效果较差。
技术实现思路
本专利技术的目的在于提供一种脸部表情识别方法及装置，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：第一方面，本专利技术实施例提供了一种脸部表情识别方法，应用于一电子设备，所述方法包括：获取待识别脸部表情图像序列的峰值帧图像；提取所述峰值帧图像的几何特征；提取所述峰值帧图像的Gabor特征；基于所述几何特征和所述Gabor特征，获得融合特征；以所述融合特征作为输入，训练预设的深度多核学习模型，获得训练后的所...
【技术保护点】
1.一种脸部表情识别方法，其特征在于，应用于一电子设备，所述方法包括：获取待识别脸部表情图像序列的峰值帧图像；提取所述峰值帧图像的几何特征；提取所述峰值帧图像的Gabor特征；基于所述几何特征和所述Gabor特征，获得融合特征；以所述融合特征作为输入，训练预设的深度多核学习模型，获得训练后的所述深度多核学习模型输出的核函数；将所述核函数输入到预设的分类器中进行表情分类，获得识别结果。
【技术特征摘要】
1.一种脸部表情识别方法，其特征在于，应用于一电子设备，所述方法包括：获取待识别脸部表情图像序列的峰值帧图像；提取所述峰值帧图像的几何特征；提取所述峰值帧图像的Gabor特征；基于所述几何特征和所述Gabor特征，获得融合特征；以所述融合特征作为输入，训练预设的深度多核学习模型，获得训练后的所述深度多核学习模型输出的核函数；将所述核函数输入到预设的分类器中进行表情分类，获得识别结果。2.根据权利要求1所述的方法，其特征在于，在所述获取待识别脸部表情的峰值帧图像之前，所述方法还包括：根据慢特征分析算法对获取到的待识别脸部表情图像序列进行自动检测，获得所述峰值帧图像。3.根据权利要求1所述的方法，其特征在于，所述提取所述峰值帧图像的几何特征，包括：获取所述峰值帧图像上的多个特征点；基于所述多个特征点及预设的斜率特征计算规则，获得所述峰值帧图像的斜率特征；基于所述多个特征点及预设的角度特征计算规则，获得所述峰值帧图像的角度特征；基于所述多个特征点及预设的多边形特征计算规则，获得所述峰值帧图像的多边形特征；基于所述多个特征点及预设的距离特征计算规则，获得所述峰值帧图像的距离特征；将所述斜率特征、所述角度特征、所述多边形特征、所述距离特征组合为所述几何特征。4.根据权利要求3所述的方法，其特征在于，所述预设的斜率特征规则为S＝(ym-yn)/(xm-xn)，所述基于所述多个特征点及预设的斜率特征计算规则，获得所述峰值帧图像的斜率特征，包括：基于S＝(ym-yn)/(xm-xn)，获得所述峰值帧图像的斜率特征，m,n,m∈N+,n∈N+分别为所述多个特征点中对应的两个特征点的编号，xm为编号为m的特征点的横坐标，ym为编号为m的特征点的纵坐标，xn为编号为n的特征点的横坐标，yn为编号为n的特征点的纵坐标，S为所述峰值帧图像上的编号为m的特征点与编号为n的特征点之间的斜率特征。5.根据权利要求3所述的方法，其特征在于，所述预设的角度特征计算规则为所述基于所述多个特征点及预设的角度特征计算规则，获得所述峰值帧图像的角度特征，包括：基于获得所述峰值帧图像的角度特征，m,n,k,m∈N+,n∈N+,k∈N+分别为所述多个特征点中对应的三个特征点的编号，xm为编号为m的特征点的横坐标，ym为编号为m的特征点的纵坐标，...
【专利技术属性】
技术研发人员：何秀玲，方静，李洋洋，吴珂，陈增照，蒋朗，高倩，徐丽丽，周梦莹，罗青冈，汪瑶燕，杨凡，朱淑培，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：湖北,42
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。