【技术实现步骤摘要】
一种基于局部表征的面部表情识别方法
[0001]本专利技术属于人脸识别领域，具体为基于局部表征的面部表情识别方法。
技术介绍
[0002]人脸表情识别可以识别人类面部表情，例如：惊讶，悲伤，幸福，愤怒等，且面部表情识别存在广泛潜在应用，可用于人机交互、购物推荐、犯罪调查、医疗救助等。例如：人机交互时根据用户浏览商品表情变化推荐商品、推测喜好；刑事侦查中利用犯罪嫌疑人面部表情推测其心理变化；医疗救助时观测患者面部表情调整药品剂量等。Mehrabian提出人类情感信息有55％是通过人脸传递，若能使用计算机读取面部信息，人机交互将会有更好的体验。基于此，1987年美国心理学家Ekman等人提出面部运动编码系统(Facial Action Coding System,FACS)，该系统对常见的面部肌肉运动单元(Action Unit,AU)做出详尽描述并将其具体到编码，同时，他们将人脸表情分为6种基本表情：愤怒、厌恶、惊讶、高兴、悲伤、恐惧。通常情况下多数方法将面部表情识别分为两步：特征提取与分类，特征提取分析面部图像并获取潜在特征...
【技术保护点】
【技术特征摘要】
1.一种基于局部表征的面部表情识别方法，其特征在于，包括：步骤1：对面部进行分区，人脸68个特征点将整体面部图像划分成43个子区域，面部6类基本表情均有对应的单个或者组合面部肌肉运动单元。步骤2：选择肌肉运动区域与面部显著器官所覆盖的8个局部候选区域作为卷积神经网络的输入。步骤3：特征提取，采用8个并行的特征提取分支，每个分支支配不同维全连接层。分支的输出按照注意力自适应地连接，以突出不同局部候选区域的重要程度。步骤4：特征分类，经Softmax函数将表情分为中性、愤怒、厌恶、惊讶、高兴、悲伤和恐惧七类。步骤5：损失函数，为突出不同表情局部特征，拼接所得4096维全连接层乘以不同表情权重值Wf
j
。2.根据权利要求1所述的基于局部表征的面部表情识别方法，面部肌肉运动形成面部表情，现有做法将其分为45种，面部运动编码系统(Facial Action Coding System,FACS)可以构成多种表情。面部6类基本表情均有对应的单个或者组合面部肌肉运动单FACS描述元。本文对6类基本面部表情的面部肌肉运动单元产生区域统计，发现面部肌肉运动发生区域集中在眉毛、部分额头、眼睛与面部下半部，对于面部其他部位，如，上额、颞部、部分侧面等，面部肌肉运动单元未出现在该区域，然而不同表情时该区域特征过于相像，反而会影响整体表情识别准确率。针对该问题，现有方法构建一定数量SFP提取特征做表情识别，然而SFP选取未考虑FACS，所提面部局部特征还不够突出。为此，本文根据6类基本表情肌肉运动单元产生区域将面部划分为43个特征区域，并同时按照面部器官眉毛、眼睛、鼻子、嘴巴所在区域，构建8个局部候选区域，i表示1至8。每个候选区域包含一定特征区域并负责只提取属于组内的肌肉运动单元特征。3.根据权利要求2所述的基于局部表征的面部表情识别方法，其特征在于：选择肌肉运动区域与面部显著器官所覆盖的8个局部候选区域输入到卷积神经网络中。卷积层是CNN的核心，用来对输入层进行卷积，提取到更高层次的特征。4.根据权利要求3所述的基于局部表征的面部表情识别方法，其特征在于：在人脸68个特征点与上述分区基础上，组成的8个局部候选区域，采用最小矩形框思想截取图像，如每个AUg
i
图像归一化至不同固定大小，经过各并行的CNN网络提取特征后，拼接为4096大小的全连接层。拼接的全连接层乘以不同表情权重值，以突出不同表情局部特征。5.根据权利要求4所述的基于局部表征的面部表情识别方法，特征分类：用Softmax函数将表情分为中性、愤怒、厌恶、惊讶、高兴、悲伤和恐惧七类，Softmax第一步将模型的预测结果转化到指数函数中...
【专利技术属性】
技术研发人员：陈昌川，刘凯，代少升，王海宁，王延平，张天骐，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：
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。