一种面部语义认知特征识别方法技术

本发明专利技术公开了一种面部语义认知特征识别方法。包括以下步骤：面部语义认知特征构建步骤，抽取面部语义认知特征，建立面部语义认知特征与面部运动单元之间的映射关系；面部语义认知特征提取计算模型设计步骤，根据面部外显的生理特性，建立分层、动态、多分辨率的面部语义认知特征提取计算模型；面部语义认知特征提取实现步骤，利用多级阈值以及隐马尔可夫算法实现面部运动单元检测和面部语义认知特征提取。该方法借鉴人类认知经验实现面部外显的信息表征，可以使面部外显的信息描述更加符合人的主观认识。本发明专利技术用于人机交互领域，尤其是多模态人机交互领域的行为理解。

【技术实现步骤摘要】
一种面部语义认知特征识别方法
本专利技术涉及人机交互行为理解
，尤其涉及一种面部语义认知特征识别方法。
技术介绍
人的面部包含了丰富的信息，是反映人类心理活动的重要指示器，也是人际交流中经常使用、不可或缺的表达方式，作为一种重要的非语言通道，对理解用户的态度和意图具有不可替代的重要作用。因此在多模态人机接口以及人机交互下的动作和行为理解等方面，面部外显的表征就成为一个重要的研究课题。当前面部外显表征方法可以分为两大类：包括基于面部运动编码系统(FacialActionCodingSystem,FACS：面部运动编码系统)的符号描述与基于纹理、灰度、颜色、形状等的数学描述。上述描述的不足之处在于：(1)尽管大量研究都采用数学表达方式来表述面部线索，但是认知科学的研究成果表明：人类推理是典型的符号推理，数据驱动方式只有与模型推理相结合，才能取得更好的效果。(2)FACS运动单元(ActionUnits,AUs：运动单元)是描述精细面部肌肉运动的主流方式，研究者往往直接利用运动单元及其组合作为面部外显的表征。而在现实生活中，人们往往倾向于利用比肌肉运动更为直观/感性的方式来描述面部的本文档来自技高网...

【技术保护点】
一种面部语义认知特征识别方法，其特征在于,包括以下步骤：面部语义认知特征构建步骤，抽取面部语义认知特征，建立面部语义认知特征与面部运动单元之间的映射关系；面部语义认知特征提取计算模型设计步骤，根据面部外显的生理特性，建立分层、动态、多分辨率的面部语义认知特征提取计算模型；面部语义认知特征提取实现步骤，利用多级阈值以及隐马尔可夫模型算法实现面部运动单元检测和面部语义认知特征提取。

【技术特征摘要】
1.一种面部语义认知特征识别方法，其特征在于,包括以下步骤：面部语义认知特征构建步骤，抽取面部语义认知特征，建立面部语义认知特征与面部运动单元之间的映射关系；面部语义认知特征提取计算模型设计步骤，根据面部外显的生理特性，建立分层、动态、多分辨率的面部语义认知特征提取计算模型；面部语义认知特征提取实现步骤，利用多级阈值以及隐马尔可夫模型算法实现面部运动单元检测和面部语义认知特征提取；所述面部语义认知特征提取实现步骤具体包括：运动单元序列分割步骤，对面部运动单元进行时空分析，形成面部语义认知特征的输入序列；模型训练步骤，利用训练样本集的运动单元序列获取隐马尔可夫模型参数和模型门限阈值；认知特征检测步骤，输入运动单元序列和训练好的隐马尔可夫模型，判断该序列是否归属于某个隐马尔可夫模型所代表的面部认知语义特征，所述运动单元序列分割步骤，进一步包括：预处理步骤，利用AdaBoost算法检测每帧图像中是否包含人脸，然后利用主动形状模型算法计算人脸的面部关键特征点，最后利用面部关键特征点获取各种关键区域的位置；帧内运动单元分析步骤，采用多级阈值决策法将面部信息映射为相应的运动单元符号描述；帧间运动单元检测步骤，对上述帧内运动单元进行时域分析，采用最大值法将每F1帧的帧内运动单元映射成1个...

【专利技术属性】
技术研发人员：王先梅，郑思仪，李程，王志良，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：