【技术实现步骤摘要】
基于特征融合的视频中人脸表情识别方法
本专利技术涉及计算机视觉领域,特别是一种基于特征融合的视频中人脸表情识别方法。
技术介绍
随着计算机技术与智能设备的不断发展与普及,面部表情是传达人们心理活动、思想状态最自然、最直接的方式,因此,人脸表情识别(facialexpressionrecognition,FER)具有极大的应用价值,可在许多领域实现广泛应用,例如,心理状态检测、安防智能监控、商业营销推荐、临床医疗检测等。对面部表情识别的研究最早可追溯到20世纪70年代,美国心理学家艾克曼把人类的基本表情分为六种:高兴、生气、吃惊、恐惧、厌恶和悲伤,用于确定识别对象的类别;其次是建立了面部动作编码系统(FACS),在此系统中他发现面部肌肉有43块,肌肉间的组合运动可以组合出1万多种表情,其中3000多种表情被定义具有情感意义。研究者按照系统划分的一系列人脸动作单元(AU)来描述人脸面部动作,依照面部肌肉运动的过程,分析人脸表情细微变化。现代运动模板的面部动作单元(AU)运动识别方法是使用Boosting算法训练专门的识别器,通过识别器准确地识别动作单元(AU)运动,根据不同情绪对应的动作单元(AU)数值的不同的特点,从而对人内心情绪做出准确判断。近年来,随着人工智能的发展和深度网络神经学习的热潮。面部表情识别技术需要进一步精确成熟,才能提高社会大众的认同度和信赖度。在面部情感识别的过程中,特征提取是其中的关键步骤,一些细微,小分辨率的面部表情需要深层特征以增强识别能力。除此之外,眉毛、眼睛、嘴等的细微变化 ...
【技术保护点】
1.一种基于特征融合的视频中人脸表情识别方法,其特征在于,具体包括以下步骤:/n步骤1:对待检测视频中的每一帧采进行切割采样;/n步骤2:对采样结果进行光照补偿、灰度化、直方图均衡化、归一化的预处理;/n步骤2.1:使用灰度世界色彩均衡算法对图像进行光照补偿;/n步骤2.1.1:分别计算图像的三个颜色分量的平均值avgR、avgG、avgB,并令图像的平均灰度值为:/navgGray=(avgR+avgG+avgB)/3/n步骤2.1.2:令ar=avgGray/avgR/nag=avgGray/avgG/nab=avgGray/avgB/n步骤2.1.3:对于图像中每个像素c,调整其R、G、B分量c(R)、c(G)、c(B),使得:/nc(R)=c(R)*ar/nc(G)=c(G)*ag/nc(B)=c(B)*ab/n步骤2.1.4:将图像中每个像素的R、G、B值都调整到可示范围区间内;令factor为图像中所有像素的R、G、B三个分量中的最大值,并令factor=factor/255;若factor>1,则对于图像中的每一个像素c,调整其分量c(R)、c(G)、c(B),使得 ...
【技术特征摘要】
1.一种基于特征融合的视频中人脸表情识别方法,其特征在于,具体包括以下步骤:
步骤1:对待检测视频中的每一帧采进行切割采样;
步骤2:对采样结果进行光照补偿、灰度化、直方图均衡化、归一化的预处理;
步骤2.1:使用灰度世界色彩均衡算法对图像进行光照补偿;
步骤2.1.1:分别计算图像的三个颜色分量的平均值avgR、avgG、avgB,并令图像的平均灰度值为:
avgGray=(avgR+avgG+avgB)/3
步骤2.1.2:令ar=avgGray/avgR
ag=avgGray/avgG
ab=avgGray/avgB
步骤2.1.3:对于图像中每个像素c,调整其R、G、B分量c(R)、c(G)、c(B),使得:
c(R)=c(R)*ar
c(G)=c(G)*ag
c(B)=c(B)*ab
步骤2.1.4:将图像中每个像素的R、G、B值都调整到可示范围区间内;令factor为图像中所有像素的R、G、B三个分量中的最大值,并令factor=factor/255;若factor>1,则对于图像中的每一个像素c,调整其分量c(R)、c(G)、c(B),使得:
c(R)=c(R)/factor
c(G)=c(G)/factor
c(B)=c(B)/factor
步骤2.2:灰度化采用加权平均法,根据重要性及其它指标,将RGB图像的三个分量以不同的权值进行加权平均,公式如下:
Gray(i,j)=0.299*R(i,j)+0.578*G(i,j)+0.114*B(i,j)
步骤2.3:直方图均衡化的变换函数为:
其中px(x)表示概率密度函数,在离散的图像中,表示直方图的每个灰度级的概率;
步骤2.4:图像归一化就是对图像最大最小值归一化的方法,公式如下:
其中xi表示图像像素点值;
步骤3:通过LBP算法对人脸表情特征进行提取,假定T为某像素点的LBP编码,其定义为:
T=t(gc,g0,...gp-1)
其中gc(xc,yc)是选中的中心像素点的灰度值,而gp∈(p=0,1...,p-1)是周围邻域内像素点的灰度值;gpgp是由半径R和周围的像素点数P决定的,因此可以确定计算像素点gp,公式为:
步骤3.1:针对图像的每个像素点计算LBP灰度值,由灰度值计算出人脸表情图像的特征向量,并连接所有区域的特征向量形成LBP特征直方图...
【专利技术属性】
技术研发人员:王天云,
申请(专利权)人:苏州元启创人工智能科技有限公司,
类型:发明
国别省市:江苏;32
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。