本发明专利技术涉及机器学习领域，公开了一种基于机器学习的面部表情捕捉方法及系统，用于通过机器学习提高面部表情捕捉的准确率。方法包括：计算面部视频数据的视频变化指标以及生成多个目标面部图像；进行皮肤区域分割，得到多个皮肤区域图像并进行光强信号计算，得到多个初始光强信号；进行心跳微振动信号分析，得到多个初始微振动信号并进行信号合并，得到目标微振动信号集合；进行面部特征点检测，得到面部特征点数据并进行面部特征点融合，得到融合特征点数据；建立目标关联关系并进行特征加权融合，得到目标特征点数据集；通过目标特征点数据集对预置的机器学习模型进行模型训练和面部表情预测，得到面部表情预测结果。
【技术实现步骤摘要】
本专利技术涉及机器学习领域，尤其涉及一种基于机器学习的面部表情捕捉方法及系统。
技术介绍
1、面部表情是人类沟通和情感表达的重要方式之一。随着人工智能和计算机视觉技术的不断发展，基于机器学习的面部表情捕捉方法逐渐成为研究和应用的焦点。传统的面部表情分析方法主要依赖于面部特征点检测和图像处理技术，但在一些实际场景中，面部表情受到多种因素的影响，如心理状态和生理信号。
2、随着生物传感技术的进步，心跳微振动信号被发现与人类情感状态存在一定的关联。心跳在微血管中产生的微振动会对吸收或反射光产生周期性信号，这为分析面部表情和心跳之间的关系提供了新的途径。然而，将心跳微振动信号与面部表情精确地关联起来，以实现更深入的情感分析，仍然是一个挑战。
技术实现思路
1、本专利技术提供了一种基于机器学习的面部表情捕捉方法及系统，用于通过机器学习提高面部表情捕捉的准确率。
2、本专利技术第一方面提供了一种基于机器学习的面部表情捕捉方法，所述基于机器学习的面部表情捕捉方法包括：
>3、通过预置的摄像本文档来自技高网...
【技术保护点】
1.一种基于机器学习的面部表情捕捉方法，其特征在于，所述基于机器学习的面部表情捕捉方法包括：
2.根据权利要求1所述的基于机器学习的面部表情捕捉方法，其特征在于，所述通过预置的摄像头采集目标用户的面部视频数据，并计算所述面部视频数据的视频变化指标，以及根据所述视频变化指标生成对应的多个目标面部图像，包括：
3.根据权利要求1所述的基于机器学习的面部表情捕捉方法，其特征在于，所述分别对所述多个目标面部图像进行皮肤区域分割，得到多个皮肤区域图像，并分别对每个皮肤区域图像进行光强信号计算，得到多个初始光强信号，包括：
4.根据权利要求1所述的基于机器学习的面...
【技术特征摘要】
1.一种基于机器学习的面部表情捕捉方法，其特征在于，所述基于机器学习的面部表情捕捉方法包括：
2.根据权利要求1所述的基于机器学习的面部表情捕捉方法，其特征在于，所述通过预置的摄像头采集目标用户的面部视频数据，并计算所述面部视频数据的视频变化指标，以及根据所述视频变化指标生成对应的多个目标面部图像，包括：
3.根据权利要求1所述的基于机器学习的面部表情捕捉方法，其特征在于，所述分别对所述多个目标面部图像进行皮肤区域分割，得到多个皮肤区域图像，并分别对每个皮肤区域图像进行光强信号计算，得到多个初始光强信号，包括：
4.根据权利要求1所述的基于机器学习的面部表情捕捉方法，其特征在于，所述对所述多个初始光强信号进行心跳微振动信号分析，得到多个初始微振动信号，并对所述多个初始微振动信号进行信号合并，得到目标微振动信号集合，包括：
5.根据权利要求1所述的基于机器学习的面部表情捕捉方法，其特征在于，所述对所述多个目标面部图像进行面部特征点检测，得到面部特征点数据，并对所述面部特征点数据进行面部特征点融合，得到融合特征...
【专利技术属性】
技术研发人员：郭勇，苑朋飞，靳世凯，周浩，尚泽，
申请(专利权)人：中影年年北京文化传媒有限公司，
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。