【技术实现步骤摘要】
一种基于感兴趣区域特征点运动的焦虑、抑郁、愤怒表情识别方法
本专利技术属于模式识别以及计算机视觉领域,涉及到特征点运动的表情识别方法,尤其涉及到一种基于感兴趣区域特征点运动的焦虑、抑郁、愤怒表情识别方法。
技术介绍
近年来,随着人们生活、工作压力的加大,焦虑症、抑郁症患者越来越多,我们试图通过对声音、面部表情、肢体语言等特征的识别,来更早地发现人们是否有焦虑、抑郁的倾向。随着人工智能的发展,人机交流技术已广泛应用于人类情感识别。其中,面部表情是人类情感识别最重要的特征。抑郁是一种持久的心境低落状态,抑郁症患者的情绪主要为蔑视、厌恶以及悲伤,面部表情经常会出现皱鼻,嘟嘴等动作;焦虑是一种无明确客观对象下紧张担心的心理状态,焦虑症患者会莫名紧张、恐惧,经常出现皱眉,抿嘴等面部动作。除了抑郁、焦虑,愤怒是人们六种基本情绪之一,也是另外一种更为负面的情绪,人们在愤怒的时候多会皱眉同时瞪眼。表情识别是指从给定的静态图像或动态视频序列中分离出特定的表情状态,从而确定被识别对象的心理情绪。其中,焦虑、抑郁及愤怒的表情识别就是根据分离出的表情来确定识别对象是否具有这三种心理状态。高效准确地识别技术能极大地促进人类情感识别技术的发展,在临床诊断及公共安全等领域具有十分重要的应用前景和价值。在过去的研究中,由于缺少焦虑、抑郁患者的面部表情数据库等问题,所以没有大量的样本去寻求规律,只有高强度训练的人才能通过表情来判断对方是否有这些负面情绪状态,但即使经过训练,识别率也不高。因此,通过识别面部表情来进行焦虑、抑郁、愤怒等情绪心理的识别技术成为了计算机视觉和模式识别领域炙手可热的 ...
【技术保护点】
1.一种基于感兴趣区域特征点运动的焦虑、抑郁、愤怒表情识别方法,其特征在于,包括步骤如下:(1)对表情视频进行预处理;(2)调用Dlib视觉库,检测人脸68个特征点;(3)根据人脸68个特征点的运动规律,将其划分为不同的感兴趣区域;(4)采用KLT角点跟踪算法,追踪人脸68个特征点;(5)设置五种表情在对应感兴趣区域内关键特征点之间距离的阈值;(6)根据FACS编码的提示,识别焦虑、抑郁、愤怒三种情绪状态,焦虑表现为AU4+AU14,即皱眉并抿嘴;抑郁表现为AU10+AU17,即皱鼻并嘟嘴;愤怒表现为AU4+AU5,即皱眉并瞪眼;AU4是指皱眉,AU14是指抿嘴,AU10是指皱鼻,AU17是指嘟嘴,AU5是指瞪眼;对于每一段表情图像序列,从初始帧开始,循环找到每个感兴趣区域内关键特征点距离在前后帧的变化累加值,并与每种表情的阈值对比,计算每种表情出现的概率P,设置概率P的阈值t为80%,当皱眉概率高于t且抿嘴概率高于t时,情绪识别为焦虑;当皱鼻概率高于t且嘟嘴概率高于t时,情绪识别为抑郁;当皱眉概率高于t且瞪眼概率高于t时,情绪识别为愤怒;否则,情绪识别为其它。
【技术特征摘要】
1.一种基于感兴趣区域特征点运动的焦虑、抑郁、愤怒表情识别方法,其特征在于,包括步骤如下:(1)对表情视频进行预处理;(2)调用Dlib视觉库,检测人脸68个特征点;(3)根据人脸68个特征点的运动规律,将其划分为不同的感兴趣区域;(4)采用KLT角点跟踪算法,追踪人脸68个特征点;(5)设置五种表情在对应感兴趣区域内关键特征点之间距离的阈值;(6)根据FACS编码的提示,识别焦虑、抑郁、愤怒三种情绪状态,焦虑表现为AU4+AU14,即皱眉并抿嘴;抑郁表现为AU10+AU17,即皱鼻并嘟嘴;愤怒表现为AU4+AU5,即皱眉并瞪眼;AU4是指皱眉,AU14是指抿嘴,AU10是指皱鼻,AU17是指嘟嘴,AU5是指瞪眼;对于每一段表情图像序列,从初始帧开始,循环找到每个感兴趣区域内关键特征点距离在前后帧的变化累加值,并与每种表情的阈值对比,计算每种表情出现的概率P,设置概率P的阈值t为80%,当皱眉概率高于t且抿嘴概率高于t时,情绪识别为焦虑;当皱鼻概率高于t且嘟嘴概率高于t时,情绪识别为抑郁;当皱眉概率高于t且瞪眼概率高于t时,情绪识别为愤怒;否则,情绪识别为其它。2.根据权利要求1所述的一种基于感兴趣区域特征点运动的焦虑、抑郁、愤怒表情识别方法,其特征在于,所述步骤(1)中,对表情视频进行预处理,包括步骤如下:A、对表情依次进行分帧、人脸定位;B、人脸对齐:人脸定位完成后,检测到27个面部特征点,包括:左眼中心、右眼中心、鼻子中心、左嘴角、右嘴角、左眉毛左边缘、左眉毛右边缘、左眼左边缘、左眼睫毛上、左眼睫毛下、左眼右边缘、右眉毛左边缘、右眉毛右边缘、右眼左边缘、右眼睫毛上、右眼睫毛下、右眼右边缘、鼻梁高左、鼻梁高右、鼻梁中左、鼻梁中右、鼻梁低左、鼻梁低右、人中、嘴唇上、嘴唇中、嘴唇下;左眼中心、右眼中心连线和水平线有一定夹角,对人脸驱动变形后,通过使左眼中心、右眼中心连线与水平线平行,矫正人脸姿态,实现人脸对齐。3.根据权利要求1所述的一种基于感兴趣区域特征点运动的焦虑、抑郁、愤怒表情识别方法,其特征在于,所述步骤(3)中,根据人脸68个特征点的运动规律,将其划分为不同的感兴趣区域,是指:选取皱眉动作变化最明显的关键特征点包括左眉毛右边缘、右眼左边缘、鼻梁中部,组成区域一;选取瞪眼动作变化最明显的关键特征点包括左、右眼周八个特征点,组成区域二;选取皱眉动作变化最明显的关键特征点包括鼻子部位八个特征点,组成区域三;选取抿嘴、嘟嘴动作变化最明显的关键特征点包括嘴唇周围十七个特征点,组成区域四,区域即感兴趣区域。4.根据权利要求1所述的一种基于感兴趣区域特征点运动的焦虑、抑郁、愤怒表情识别方法,其特征在于,所述步骤(4)中,采用光流法,追踪人脸68个特征点,包括步骤如下:选择FAST角点作为跟踪点,通过方程式①解得的残差e:Zd=e①式①中,Z是2×2的矩阵;Z=∫∫Wg(x)gT(x)ω(x)dx;e是2×1的向量,是计算的残差,e=∫∫W[J(x)-I(x)]g(x)ω(x)dx;设置残差e的阈值为100;如果求得的残差e小于残差e的阈值,则认为是跟踪到的一个角点,求出角点的偏移d;设置d的阈值为10,若d小于10,则被认为是跟踪正确的角点。5.根据权利要求1所述的一种基于感兴趣区域特征点运动的焦虑、抑郁、愤怒表情识别方法,其特征在于,所述步骤(6)中,包括步骤如下:D、检测第一帧图像中68个人脸特征点的位置,从第二帧图像开始,在表情图像序列中跟踪68个人脸特征点的位置,计算出68个人脸特征点在表情图像序列前后帧运动的欧氏距离,在第i帧中特征点P1(x1,y1)与P2(x2,y2)之间的距离为di,如式②所示:式②中,i表示表情图像序列中第i帧图像;E、将前后帧间两个特征点距离作差,并计算整个表情图像序列差值的累加和D,如式③所示:式③中,n为表情序列的帧数。6.根据权利要求1所述的一种基于感...
【专利技术属性】
技术研发人员:贲晛烨,孙静,许宏吉,王保键,程大海,任家畅,
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。