一种微表情识别方法、存储介质及系统技术方案

本发明专利技术涉及一种微表情识别方法，其包括步骤采集具有人脸视频的影像，并对所述视频影像进行预处理，以提取人脸区域的图像，进行人脸对齐；提取所述人脸区域图像中设定区域的图像，并计算所述设定区域的HOOF特征序列；计算所述HOOF特征序列的最终卡方距离序列，并判断所述设定区域内是否存在微表情；及将存在微表情的所述HOOF特征序列传入微表情分析模型，得到微表情分类结果。本发明专利技术还提供一种存储介质及微表情识别系统，本发明专利技术提供的微表情识别方法、存储介质及系统通过减少提取的冗余信息，增强了微表情识别的鲁棒性。

【技术实现步骤摘要】
一种微表情识别方法、存储介质及系统
本专利技术涉及微表情识别领域，尤其涉及一种微表情识别方法、存储介质及系统。
技术介绍
日常生活中我们熟知的表情称为宏表情，通常持续3/4秒到2秒。在空间上，根据表情的不同，宏表情可以出现在面部的多个或单个区域上。例如，惊讶表达通常会引起眼睛，前额，脸颊和嘴巴周围的运动，而恐惧的表情通常仅在眼睛附近产生运动。而微表情被描述为一种非自愿且无法抑制的表情，这种出现在面部的表情，幅度很小且持续时间非常短(介于1/25到1/3秒之间)，没有经过专业培训的人员很难察觉。由于微表情的特性对于测谎有极大帮助且对识别能力的训练复杂，因此对微表情的识别最早仅应用于国家安全领域。但随着人工智能的快速发展，科学家们开始着手于微表情的自动别技术研究。在很多场景下，对微表情的识别比普通表情更有意义。例如，金融信贷审核时，可以识别问答过程中用户的微表情来判断回复结果的真实性从而规避企业风险。抑郁病人在接受问话时，可以通过识别病人的微表情来分析其内心的情感。在对客户进行服务满意度调查时，可以通过他们的微表情的来获得更加真实的调查信息本文档来自技高网...

【技术保护点】
1.一种微表情识别方法，其特征在于，包括步骤：/n采集具有人脸视频的影像，并对所述视频影像进行预处理，以提取人脸区域的图像，进行人脸对齐；/n提取所述人脸区域图像中设定区域的图像，并计算所述设定区域的HOOF特征序列；/n计算所述HOOF特征序列的最终卡方距离序列，并判断所述设定区域内是否存在微表情；及/n将存在微表情的所述HOOF特征序列传入微表情分析模型，得到微表情分类结果。/n

【技术特征摘要】
1.一种微表情识别方法，其特征在于，包括步骤：
采集具有人脸视频的影像，并对所述视频影像进行预处理，以提取人脸区域的图像，进行人脸对齐；
提取所述人脸区域图像中设定区域的图像，并计算所述设定区域的HOOF特征序列；
计算所述HOOF特征序列的最终卡方距离序列，并判断所述设定区域内是否存在微表情；及
将存在微表情的所述HOOF特征序列传入微表情分析模型，得到微表情分类结果。


2.如权利要求1所述的一种微表情识别方法，其特征在于，所述采集具有人脸视频的影像，并对所述视频影像进行预处理，以提取人脸区域的图像，进行人脸对齐包括步骤：
获取包括人脸的视频影像；
对每一帧图像进行像素值归一化处理；
将每一帧图像灰度化；
利用线性插值模型对帧数归一化；及
使用仿射变换方法对人脸进行对齐。


3.如权利要求1所述的一种微表情识别方法，其特征在于，所述提取所述人脸区域图像中设定区域的图像，并计算所述设定区域的HOOF特征序列包括步骤：
选择人脸特征识别的设定区域；
计算设定区域内提取到的人脸特征的第一帧与其余的光流场，得到光流矢量；
将光流矢量转换成光流幅值与光流角度；
量化光流幅值与光流角度，得到HOOF特征；及
将设定区域内的HOOF特征拼接，再按时间顺序排列得到HOOF特征序列。


4.如权利要求1所述的一种微表情识别方法，其特征在于，所述计算所述HOOF特征序列的最终卡方距离序...

【专利技术属性】
技术研发人员：于蒙，孙肖杰，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北;42