【技术实现步骤摘要】
一种基于人脸特征点数据增强的动态表情识别方法
本专利技术属于人脸动态表情识别领域，尤其涉及一种基于人脸特征点数据增强的动态表情识别方法。
技术介绍
面部表情识别(FacialExpressionRecognition)，以下简称FER。面部表情的研究始于19世纪。1872年，达尔文在他著名的论著《人类和动物的表情(TheExpressionoftheEmotionsinAnimalsandMan，1872)》中阐述了人的面部表情和动物的面部表情之间的联系和区别。1971年，Ekman和Friesen对现代人脸表情识别做了开创性的工作，他们研究了人类的6种基本表情(即高兴、悲伤、惊讶、恐惧、愤怒、厌恶)，确定识别对象的类别，并系统地建立了由上千幅不同表情组成的人脸表情图像数据库，细致的描述了每一种表情所对应的面部变化，包括眉毛、眼睛、嘴唇等等是如何变化的。1978年，Suwa等人对一段人脸视频动画进行了人脸表情识别的最初尝试，提出了在图像序列中进行面部表情自动分析。20世纪90年代开始，由K.Mase和A.Pentla...
【技术保护点】
1.一种基于人脸特征点数据增强的动态表情识别方法，其特征在于，包括：实时获取人脸数据，将获取的人脸数据输入到训练好的3CNN模型中，得到该人脸动态表情识别结果；所述训练好的3CNN模型的获取包括：获取原始人脸数据集，对原始人脸数据集进行预处理，得到人脸数据训练集；将人脸数据训练集输入到构建好的3CNN模型中进行模型训练，得到训练好的3CNN模型；/n所述得到人脸数据训练集的过程包括：/nS1：对获取的原始人脸数据集进行人脸对齐以及面部特征点标记处理；/nS2：选择面部特征变化大的特征点；/nS3：根据选择的特征点构建轨迹矩阵；将各个轨迹矩阵进行组合，得到原始轨迹图；/nS4...
【技术特征摘要】
1.一种基于人脸特征点数据增强的动态表情识别方法，其特征在于，包括：实时获取人脸数据，将获取的人脸数据输入到训练好的3CNN模型中，得到该人脸动态表情识别结果；所述训练好的3CNN模型的获取包括：获取原始人脸数据集，对原始人脸数据集进行预处理，得到人脸数据训练集；将人脸数据训练集输入到构建好的3CNN模型中进行模型训练，得到训练好的3CNN模型；
所述得到人脸数据训练集的过程包括：
S1：对获取的原始人脸数据集进行人脸对齐以及面部特征点标记处理；
S2：选择面部特征变化大的特征点；
S3：根据选择的特征点构建轨迹矩阵；将各个轨迹矩阵进行组合，得到原始轨迹图；
S4：采用随机因子对轨迹矩阵进行微调处理，得到新的轨迹矩阵；将新的轨迹矩阵进行组合，得到新的轨迹图，将原始人脸数据集、原始轨迹图和新的轨迹图作为人脸数据训练集；
其中，3CNN表示三个联合的卷积神经网络。
2.根据权利要求1所述的一种基于人脸特征点数据增强的动态表情识别方法，其特征在于，所述对获取的原始人脸数据集进行人脸对齐以及面部特征点标记处理过程包括：
S11：采用Viola-Jones人脸检测算法对原始人脸数据集进行人脸检测；对检测后的人脸数据进行去背景以及去除非面部区域处理，得到人脸边界框；
S12：根据人脸边界框对原始人脸数据集中的动态序列的每一帧图像进行裁剪，得到面部区域；
S13：对得到的面部区域进行几何归一化处理，得到新的面部区域；
S14：对新的面部区域的特征点进行标记，得到具有特征点的图像；将各个特征点的位置坐标进行保存。
3.根据权利要求1所述的一种基于人脸特征点数据增强的动态表情识别方法，其特征在于，所述选择面部特征变化大的特征点的过程包括：
S21：将特征点图像的各个特征点划分为眉毛、眼睛、鼻子以及嘴四组；
S22：分别计算相同组内的各个特征点变化量；
S23：选择各个组中特征变化量大的特征点。
4.根据权利要求3所述的一种基于人脸特征点数据增强的动态表情识别方法，其特征在于，所述计算相同组内的各个特征点变化量的公式为：
其中，Dpq表示第p组的第q个特征点的各帧与第一帧的位置差异之和，pq表示第p组的第q个特征点，i表示第i帧图像，j表示第j帧图像，表示第p组的第q个特征点在第j帧图像中的位置横坐标，表示第p组的第q个特征点在第j帧图像中的位置纵坐标，m表示峰值帧在动态序列的第m帧。
5.根据权利要求1所述的一种基于人脸特征点数据增强的动态表情识别方法，其特征在于，构建轨迹矩阵与原始轨迹图的过程包括：
S31：对获取的特征点进行编号处理，...
【专利技术属性】
技术研发人员：钟福金，黎敏，尹妙慧，王灵芝，周睿丽，赵建骅，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50
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。