【技术实现步骤摘要】
本专利技术涉及人脸情绪智能识别领域，涉及到一种人脸情绪智能识别分析设备。
技术介绍
1、表情识别是计算机理解人类情感的一个重要方向，是指从静态图片或者视频序列中识别出表情状态，从而确定人物的情绪与心理变化，人脸表情识别作为人脸识别技术的一个重要组成部分，在计算机视觉、人机交互和情感计算中有着广泛的研究前景，包括人机交互、情绪分析、智能安全、娱乐、网络教育和智能医疗等。
2、其中，人脸表情识别在精神类疾病的辅助治疗方面有一定的作用，通过监测患者在干预治疗后的情绪变化，可以评估患者治疗方案的疗效，进而有利于优化患者的治疗方案。
3、现有的人脸表情识别方法存在一些不足：第一方面，现有方法在判断测试者面部表情的类型时，选择将测试者面部图片与大数据库中各类型面部表情的图片进行比对或者与设定的面部表情标准图片进行比对，进而得到测试者面部表情的类型，没有选择将测试者面部图片与测试者自身的各种面部表情的样本图片进行比对，同一种情绪在每个人的面部呈现有所差异，五官的变化和程度有所不同，特别是一些面部五官具有先天性缺陷的人群，这些人面部情绪的表达呈现可能与常人不同，因此在识别面部表情的类型时需要进行独立性和个性化的分析，进而提高人脸表情识别结果的可靠性。
4、第二方面，人脸表情是由面部五官的整体协调配合而最终呈现的效果，现有方法大都依据与面部表情关联性强的某个特征部位的状态来判断面部表情的种类，如判断微笑表情时，依据与微笑表情关联性强的嘴巴部位的嘴角上扬状态来判断，缺乏对面部各特征部位的综合考量与评估，存在一定的
技术实现思路
1、针对上述问题，本专利技术提出了一种人脸情绪智能识别分析设备，实现对人脸情绪智能识别的功能。
2、本专利技术解决其技术问题采用的技术方案是：本专利技术提供一种人脸情绪智能识别分析设备，包括：面部表情样本图像录入模块：用于获取精神卫生中心疗养区中目标患者各种面部表情的各样本图像。
3、面部表情样本图像解析模块：用于对目标患者各种面部表情的各样本图像依次进行预处理、人脸检测、特征部位获取和特征点提取，进一步得到目标患者各种面部表情的各样本图像中各特征部位的肌肉运动轨迹。
4、面部表情识别模型构建模块：用于对目标患者各种面部表情的各样本图像中各特征部位的肌肉运动轨迹进行比对分析，得到目标患者各种面部表情对应的各特征部位的典型肌肉运动轨迹，构建目标患者各种面部表情的识别模型。
5、情感数据库：用于存储目标患者各种面部表情的识别模型。
6、目标患者脸部图像采集模块：用于采集观察期内各监测周期中各采样时间点目标患者的各脸部图像。
7、目标患者脸部表情识别模块：用于对观察期内各监测周期中各采样时间点目标患者的各脸部图像进行识别，获取观察期内各监测周期中各采样时间点目标患者各脸部图像的表情。
8、目标患者情绪变化监测模块：用于根据观察期内各监测周期中各采样时间点目标患者各脸部图像的表情，分析观察期内各监测周期中各采样时间点目标患者的各种情绪的相对比例系数，绘制观察期内各监测周期中目标患者的各种情绪的趋势曲线。
9、目标患者心理健康测评模块：用于根据观察期内各监测周期中目标患者的各种情绪的趋势曲线，分析目标患者的心理健康评估指数，并进行反馈。
10、在上述实施例的基础上，所述面部表情样本图像解析模块的具体分析过程为：s1：对目标患者各种面部表情的各样本图像进行倾斜校正、尺寸调节和分辨率调节，并进行格式归一化，得到预处理后的目标患者各种面部表情的各样本图像。
11、s2：通过人脸检测算法获取预处理后的目标患者各种面部表情的各样本图像的人脸区域。
12、s3：通过面部特征的检测算法获取预处理后目标患者各种面部表情的各样本图像中人脸区域的各特征部位，其中特征部位包括眉毛部位、眼睛部位、鼻子部位、嘴巴部位和脸颊部位。
13、s4：获取预处理后目标患者各种面部表情的各样本图像人脸区域中各特征部位的轮廓线，按照预设的特征点标记方法在预处理后目标患者各种面部表情的各样本图像人脸区域中各特征部位的轮廓线上标出其特征部位对应的各特征点，得到预处理后目标患者各种面部表情的各样本图像中人脸区域中各特征部位的各特征点。
14、s5：将预处理后目标患者各种面部表情的各样本图像人脸区域中各特征部位的各特征点依次连接，得到目标患者各种面部表情的各样本图像中各特征部位的肌肉运动轨迹。
15、在上述实施例的基础上，所述面部表情识别模型构建模块的具体分析过程为：将目标患者各种面部表情的各样本图像中各特征部位的肌肉运动轨迹进行比对分析，获取目标患者各种面部表情中各特征部位的最具代表性的肌肉运动轨迹，将其记为目标患者各种面部表情对应的各特征部位的典型肌肉运动轨迹，进一步构建目标患者各种面部表情的识别模型。
16、在上述实施例的基础上，所述目标患者脸部图像采集模块的具体分析过程为：设定观察期的时长，按照预设的等时长原则将观察期划分为各监测周期，并按照预设的等时间间隔在监测周期内设置各采样时间点，设定单次采集的目标患者脸部图像的总数量，通过人脸面部表情识别仪器的高清摄像头获取观察期内各监测周期中各采样时间点目标患者的各脸部图像。
17、在上述实施例的基础上，所述目标患者脸部表情识别模块的具体分析过程包括：获取观察期内各监测周期中各采样时间点目标患者的各脸部图像中各特征部位的图像，进一步得到观察期内各监测周期中各采样时间点目标患者各脸部图像中各特征部位的肌肉运动轨迹。
18、提取情感数据库中存储的目标患者各种面部表情的识别模型，得到目标患者各种面部表情对应的各特征部位的典型肌肉运动轨迹。
19、将观察期内各监测周期中各采样时间点目标患者各脸部图像中各特征部位的肌肉运动轨迹与目标患者各种面部表情对应的各特征部位的典型肌肉运动轨迹进行比对，得到观察期内各监测周期中各采样时间点目标患者各脸部图像中各特征部位的肌肉运动轨迹与各种面部表情中对应特征部位的典型肌肉运动轨迹的相似度，将其记为，表示第个监测周期的编号，，表示第个采样时间点的编号，，表示第个脸部图像的编号，，表示第个特征部位的编号，，表示第种面部表情的编号，。
20、通过分析公式得到观察期内各监测周期中各采样时间点目标患者各脸部图像与各种面部表情的第一匹配系数，其中表示预设的第一匹配系数的修正因子，表示预设的第个特征部位的权值，，表示面部表情的种类数量。
21、在上述实施例的基础上，所述目标患者脸部表情识别模块的具体分析过程还包括：根据目标患者各种面部表情对应的各特征部位的典型肌肉运动轨迹，得到目标患者各种面部表情对应的各特征部位中各特征点的参考位置。
22、获取观察期内各监测周期中各采样时间点目标患者各脸部图像中各特征部位中各特征点的位置。
23、将观察期内各监测周期中各采样时间点目标患者各脸本文档来自技高网...
【技术保护点】
1.一种人脸情绪智能识别分析设备，其特征在于，包括：
2.根据权利要求1所述的一种人脸情绪智能识别分析设备，其特征在于：所述面部表情样本图像解析模块的具体分析过程为：
3.根据权利要求1所述的一种人脸情绪智能识别分析设备，其特征在于：所述面部表情识别模型构建模块的具体分析过程为：
4.根据权利要求1所述的一种人脸情绪智能识别分析设备，其特征在于：所述目标患者脸部图像采集模块的具体分析过程为：
5.根据权利要求1所述的一种人脸情绪智能识别分析设备，其特征在于：所述目标患者脸部表情识别模块的具体分析过程包括：
6.根据权利要求5所述的一种人脸情绪智能识别分析设备，其特征在于：所述目标患者脸部表情识别模块的具体分析过程还包括：
7.根据权利要求6所述的一种人脸情绪智能识别分析设备，其特征在于：所述目标患者脸部表情识别模块的具体分析过程还包括：
8.根据权利要求4所述的一种人脸情绪智能识别分析设备，其特征在于：所述目标患者情绪变化监测模块的具体分析过程为：
9.根据权利要求5所述的一种人脸情绪
10.根据权利要求9所述的一种人脸情绪智能识别分析设备，其特征在于：所述目标患者心理健康测评模块的具体分析过程还包括：
...【技术特征摘要】
1.一种人脸情绪智能识别分析设备，其特征在于，包括：
2.根据权利要求1所述的一种人脸情绪智能识别分析设备，其特征在于：所述面部表情样本图像解析模块的具体分析过程为：
3.根据权利要求1所述的一种人脸情绪智能识别分析设备，其特征在于：所述面部表情识别模型构建模块的具体分析过程为：
4.根据权利要求1所述的一种人脸情绪智能识别分析设备，其特征在于：所述目标患者脸部图像采集模块的具体分析过程为：
5.根据权利要求1所述的一种人脸情绪智能识别分析设备，其特征在于：所述目标患者脸部表情识别模块的具体分析过程包括：
6.根据权利要求5所述的一种人...
【专利技术属性】
技术研发人员：罗仲华，徐锋，
申请(专利权)人：好心情健康产业集团有限公司，
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。