【技术实现步骤摘要】
一种基于面部动作单元的面部表情识别方法和装置
本专利技术实施例涉及计算机视觉领域，具体涉及一种基于面部动作单元的面部表情识别方法和装置。另外，还涉及一种电子设备和存储介质。
技术介绍
近年来，随着经济社会的快速发展，人们对智能化生活的需求日益增高。人工智能技术的不断发展成熟，而高质量的人机交互体验是提升和完善智能化生活品质的必要条件，因此，人机交互过程中对用户的情绪分析是关键的一个环节。由于面部表情在人类的情绪表达中起到了非常重要的作用，通过对面部表情进行分析可以获得丰富的情绪信息。另外，面部表情的获取只需要使用摄像头进行捕捉，获取方式便捷。因此面部表情的分析在当前的智能产品中有着广泛的应用前景。但是，现有的面部表情识别算法只在较为宏观的基本表情的有很好的效果，有的时候微观表情在面部表现并不明显。因为其面部特征相比于宏观表情的面部特征变化比较微小，且表情之间的差异并不明显。因此，仅依靠传统的机器学习方法并不能有效的解决微表情的识别问题。而微表情的分析并不只是人工智能领域专有的课题，解剖学领域在该课题上也有大量的研究成...
【技术保护点】
1.一种基于面部动作单元的面部表情识别方法，其特征在于，包括：/n采集含有人脸区域的图片数据；/n利用人脸关键点检测技术对含有人脸区域的图片数据进行预处理，将人脸区域细分成若干个面部动作单元触发区；/n利用预设的三维卷积神经网络识别模型对所述面部动作单元进行识别，获得面部动作单元的特征；/n将获得的面部全局特征与所述面部动作单元的特征进行特征融合，获得面部表情融合特征；/n将所述面部表情融合特征输入到预设的高斯过程分类器，利用所述高斯过程分类器对人脸面部表情进行识别，输出面部表情识别结果。/n
【技术特征摘要】
1.一种基于面部动作单元的面部表情识别方法，其特征在于，包括：
采集含有人脸区域的图片数据；
利用人脸关键点检测技术对含有人脸区域的图片数据进行预处理，将人脸区域细分成若干个面部动作单元触发区；
利用预设的三维卷积神经网络识别模型对所述面部动作单元进行识别，获得面部动作单元的特征；
将获得的面部全局特征与所述面部动作单元的特征进行特征融合，获得面部表情融合特征；
将所述面部表情融合特征输入到预设的高斯过程分类器，利用所述高斯过程分类器对人脸面部表情进行识别，输出面部表情识别结果。
2.根据权利要求1所述的基于面部动作单元的面部表情识别方法，其特征在于，所述利用人脸关键点检测技术对含有人脸区域的图片数据进行预处理，将人脸区域细分成若干个面部动作单元触发区，具体包括：
根据人脸解刨学结构和人脸关键点检测算法检测出人脸区域上预设数量的关键点；
根据预设数量的关键点对图片数据进行剪裁，获得目标人脸区域，将所述目标人脸区域缩放到预设像素大小，实现面部图像的归一化；
将所述目标人脸区域再细分成三个面部动作单元触发区，所述三个面部动作单元触发区包括眼部动作单元触发区、T区动作单元触发区以及唇部动作单元触发区。
3.根据权利要求2所述的基于面部动作单元的面部表情识别方法，其特征在于，所述利用预设的三维卷积神经网络识别模型对面部动作单元进行识别，获得面部动作单元的特征，具体包括：
选取与表情存在关联关系面部动作单元，并构建所述面部动作单元与所述三个面部动作单元触发区对应关系；
利用所述三维卷积神经网络识别模型提取所述面部动作单元在对应面部动作单元触发区的局部特征，获得面部动作单元触发区局部特征；
将所述面部动作单元触发区局部特征输入到softmax层中进行面部动作单元的识别，获得所述面部动作单元的特征。
4.根据权利要求3所述的基于面部动作单元的面部表情识别方法，其特征在于，所述将获得的面部全局特征与所述面部动作单元的特征进行特征融合，获得面部表情融合特征，包括：
将所述目标人脸区域进行切块并输入到预设的三维卷积神经网络识别模型中提取正脸的特征，获得所述面部全局特征；
将所述面部动作单元的特征和所述面部全局特征进行特征层面的融合，获得面部表情融合特征。
5.根据权利要求4所述的基于面部动作单元的面部表情识别...
【专利技术属性】
技术研发人员：姚辉，芦燕云，陈晓华，孙广宇，李欣，才智，章莉，
申请(专利权)人：北京市西城区培智中心学校，成都众云微科技有限公司，
类型：发明
国别省市：北京;11
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。