【技术实现步骤摘要】
人脸表情提取方法、电子设备以及存储介质
本专利技术涉及人脸识别领域,尤其涉及一种人脸表情提取方法。
技术介绍
目前,真实人脸去懂虚拟形象脸部运动一般采用变形器实现,驱动变形器最重要的一个环节就是提取真实人脸的表情,包括脸部器官的运动和基本情绪表达。现有人脸表情识别方法主要有两种方法:一种是基于整张人脸图像作为输入矩阵,提取其第一特征向量,与表情特征库匹配计算出当前人脸表情;另外也有通过深度学习的方法端到端的输出表情估计。两种方法需要更大的计算能力和存储空间,系统调优也相对困难。这些问题都不利于在移动平台灵活的实现真实人脸驱动虚拟人物表情。
技术实现思路
为了克服现有技术的不足,本专利技术的目的之一在于提供一种无需过多计算能力,在移动平台即可实现人脸表情识别。一种人脸表情提取方法,包括以下步骤获取第n时刻人脸特征点坐标,识别出第n时刻人脸各部位的特征点坐标,获取第n时刻人脸欧拉角;根据所述第n时刻人脸的各部位的特征点坐标计算出所述人脸的各部位的第一几何特征值f;根据所述欧拉角和预设的第一算法计算出修正系数;对所述第n时刻第一几何特征值f采用卡尔曼滤波算法进行滤波获得第二几何特征值;对所述滤波后的第二几何特征值进行非线性归一化得到第三几何特征值;对所述第三几何特征值按照预设的规则组成一个特征向量V,对所述特征向量进行转置得到Vt,对根据Vt和V得出特征向量矩阵M,其中,M=Vt*V;从所述特征向量矩阵M中提取第一特征向量Vf,其中Vf为矩阵M的最大特征值对应的特征向量;根据径向基函数、预设的特征基准值以及所述第一特征向量计算出第n时刻的似然率,对计算出的似然率进行 ...
【技术保护点】
1.一种人脸表情提取方法,其特征在于,包括以下步骤获取第n时刻人脸特征点坐标,识别出第n时刻人脸各部位的特征点坐标,获取第n时刻人脸欧拉角;根据所述第n时刻人脸的各部位的特征点坐标计算出所述人脸的各部位的第一几何特征值f;根据所述欧拉角和预设的第一算法计算出修正系数;对所述第n时刻第一几何特征值f采用卡尔曼滤波算法进行滤波获得第二几何特征值;对所述滤波后的第二几何特征值进行非线性归一化得到第三几何特征值;对所述第三几何特征值按照预设的规则组成一个特征向量V,对所述特征向量进行转置得到Vt,对根据Vt和V得出特征向量矩阵M,其中,M=Vt*V;从所述特征向量矩阵M中提取第一特征向量Vf,其中Vf为矩阵M的最大特征值对应的特征向量;根据径向基函数、预设的特征基准值以及所述第一特征向量计算出第n时刻的似然率,对计算出的似然率进行归一化处理得出第n时刻第一组表情驱动指令;根据所述第二几何特征值计算出第n时刻各部位的第二组表情参数,通过对第二组表情参数做非线性化处理,获得第二组表情驱动指令;根据第n时刻所述第一组表情驱动指令和所述第二组表情驱动指令,以驱动虚拟对象执行相应的表情。
【技术特征摘要】
1.一种人脸表情提取方法,其特征在于,包括以下步骤获取第n时刻人脸特征点坐标,识别出第n时刻人脸各部位的特征点坐标,获取第n时刻人脸欧拉角;根据所述第n时刻人脸的各部位的特征点坐标计算出所述人脸的各部位的第一几何特征值f;根据所述欧拉角和预设的第一算法计算出修正系数;对所述第n时刻第一几何特征值f采用卡尔曼滤波算法进行滤波获得第二几何特征值;对所述滤波后的第二几何特征值进行非线性归一化得到第三几何特征值;对所述第三几何特征值按照预设的规则组成一个特征向量V,对所述特征向量进行转置得到Vt,对根据Vt和V得出特征向量矩阵M,其中,M=Vt*V;从所述特征向量矩阵M中提取第一特征向量Vf,其中Vf为矩阵M的最大特征值对应的特征向量;根据径向基函数、预设的特征基准值以及所述第一特征向量计算出第n时刻的似然率,对计算出的似然率进行归一化处理得出第n时刻第一组表情驱动指令;根据所述第二几何特征值计算出第n时刻各部位的第二组表情参数,通过对第二组表情参数做非线性化处理,获得第二组表情驱动指令;根据第n时刻所述第一组表情驱动指令和所述第二组表情驱动指令,以驱动虚拟对象执行相应的表情。2.根据权利要求1所述的人脸表情提取方法,其特征在于,所述根据所述欧拉角和预设的第一算法计算出修正系数,具体根据以下第一算法公式算得,y(pitch)=a1×pitch+b1;y(yaw)=a2×yaw+b2;y(roll)=a3×roll+b3;Y=y(pitch)×y(yaw)×y(roll);其中pitch,yaw,roll为欧拉角向量中的参数[pitch,yaw,roll],其中Y为修正系数,参数[a1,b1,a2,b2,a3,b3]为人脸数据线性回归统计计算得到,人脸各部位的均有一组对应特定的参数;y(pitch)为头部俯仰时对几何特征的影响系数,y(yaw)为头部旋转时对几何特征的影响系数,y(roll)为头部左右摇摆时对几何特征的影响系数。3.根据权利要求2所述的人脸表情提取方法,其特征在于,所述对所述第一几何特征值采用卡尔曼滤波算法进行滤波获得第二几何特征值,所述方法还包括,根据前两个时刻的第二几何特征进行先验估计;将当前人脸状态第一几何特征值结合所述修正系数与先验估计进行卡尔曼增益计算得到当前人脸状态第二几何特征值。4.根据权利要...
【专利技术属性】
技术研发人员:蒋明,
申请(专利权)人:深圳有咖互动科技有限公司,
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。