一种脸部微表情识别方法技术

本发明专利技术公开了一种脸部微表情识别方法，涉及人工智能技术领域，本发明专利技术在空间分支上，提取峰值帧内脸部的纹理特征，对纹理特征内眉毛、嘴角等关键部位特征进行特征增强，得到峰值帧特征向量；在时间分支上，提取光流特征图内脸部的运动特征，对运动特征内包含的眼部及嘴部运动特征区分并进行特征增强，得到光流特征向量，并将峰值帧特征向量及光流特征向量拼接为基准特征向量，此种同构异模态的处理方式，实现了频域及时域上多模态特征的互补融合；而后比较对齐前后目标域微表情基准特征向量间的马氏距离，并输出识别结果，从而此过程将融合后的多模态特征进一步进行源域目标域建模处理，可全面精确地识别脸部的微表情。

【技术实现步骤摘要】

本专利技术涉及人工智能，特别涉及一种脸部微表情识别方法。

技术介绍

1、脸部的微表情（me）是一种持续时间极短（1/25秒至1/5秒）、肌肉运动幅度小且无法自主控制的面部表情，通常发生在个体试图隐藏真实情绪时，具有不可伪装性；二十世纪七十年代在haggard和isaacs发现后，由ekman和friesen在测谎研究中进一步系统化，揭示了微表情在心理学、刑侦、安全等领域的应用价值；微表情的不可控性使其成为情感识别的关键线索，但其微弱性和短暂性导致肉眼难以捕捉，需依赖计算机视觉技术实现自动化分析；相较于宏观表情，微表情的识别构成了更为复杂的任务，缘由其转瞬即逝的本质、微弱变化的面部区域，这要求识别技术与算法达到前所未有的精准度；由于其揭示个体试图掩藏真实情感的能力，因此被视为比自觉呈现的宏观表情更可靠的情感指标。

2、早期对于微表情的研究依赖手工设计特征，如局部二值模式（lbp）、光流法（bi-woof、mdmo）等，通过纹理或运动信息描述微表情，然而，此类方法受限于光照敏感性和头部姿态变化，且无法捕捉深层次时空关联；随着卷积神经网络（cnn）、本文档来自技高网...

【技术保护点】

1.一种脸部微表情识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种脸部微表情识别方法，其特征在于，所述光流特征图的获取，包括：

3.根据权利要求1所述的一种脸部微表情识别方法，其特征在于，所述得到128维的峰值帧特征向量，包括：

4.根据权利要求3所述的一种脸部微表情识别方法，其特征在于，所述得到128维的光流特征向量，包括：

5.根据权利要求4所述的一种脸部微表情识别方法，其特征在于，所述源域宏表情的基准特征向量和目标域微表情的基准特征向量获取后，还包括：

6.根据权利要求5所述的一种脸部微表情识别方法，其特...

【技术特征摘要】

1.一种脸部微表情识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种脸部微表情识别方法，其特征在于，所述光流特征图的获取，包括：

3.根据权利要求1所述的一种脸部微表情识别方法，其特征在于，所述得到128维的峰值帧特征向量，包括：

4.根据权利要求3所述的一种脸部微表情识别方法，其...

【专利技术属性】
技术研发人员：李军华，宋帆，李凌，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：