一种基于人脸关键点提取和稀疏表达分类的表情识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108960201A(43)申请公布日2018.12.07(21)申请号201810860738.3(22)申请日2018.08.01(71)申请人西南石油大学地址610500四川省成都市新都大道8号(72)发明人常永鑫冯世杰(74)专利代理机构成都方圆聿联专利代理事务所(普通合伙)51241代理人李鹏(51)Int.Cl.G06K9/00(2006.01)权利要求书1页说明书4页附图1页(54)发明名称一种基于人脸关键点提取和稀疏表达分类的表情识别方法(57)摘要本发明公开了一种基于人脸关键点提取和稀疏表达分类的表情识别方法,包括以下步骤：S1.采集人脸表情图像；S2.对采集的人脸表情图像进行预处理；S3.根据预处理得到的图像进行人脸检测和人脸关键点提取，并根据提取的关键点，构建样本的特征向量；S4.采用稀疏表示分类对人脸关键点所对应特征向量进行分类识别。本发明提供的一种基于人脸关键点提取和稀疏表达分类的表情识别方法，不仅可以通过标记人脸器官和脸颊的轮廓，还能实时跟踪这些器官的形变，形变的过程正好可以反映人脸表情，结合稀疏表达分类，有效提高了表情识别的准确性。CN108960201ACN108960201A权利要求书1/1页1.一种基于人脸关键点提取和稀疏表达分类的表情识别方法，其特征在于：包括以下步骤：S1.采集人脸表情图像；S2.对采集的人脸表情图像进行预处理；S3.根据预处理得到的图像进行人脸检测和人脸关键点提取，并根据提取的关键点，构建样本的特征向量；S4.采用稀疏表示分类对人脸关键点所对应特征向量进行分类识别。2.根据权利要求1所述的一种基于人脸关键点提取和稀疏表达分类的表情识别方法，其特征在于：所述步骤S2包括：对整张人脸表情图像进行灰度化、直方图均衡化，以消除光照噪声因素对人脸检测和人脸关键点检测的影响，提高图像质量。3.根据权利要求1所述的一种基于人脸关键点提取和稀疏表达分类的表情识别方法，其特征在于：所述步骤S3包括：S301.通过图像金字塔和滑动窗口检测对预处理后的图像进行人脸检测，定位人脸的位置；S302.通过LBF算法训练并检测得到人脸关键点：使用LBF算法得到68个人脸关键点，包含了人的脸颊、双眼、鼻子和嘴唇；利用人脸表情变化时，这些特征点会随着这些器官做出相对变化这一特征，求取它们相对于彼此的位置来表示该图像的表情；人脸关键点的表情特征提取过程中，为得到68个关键点彼此间的相对变化，将这68个点的x、y轴各自的均值制造一个标称点，这个标称点与其他的68个关键点构成了具有方向和大小的68个矢量，以这68个矢量作为该样本的表情特征向量。4.根据权利要求3所述的一种基于人脸关键点提取和稀疏表达分类的表情识别方法，其特征在于：所述步骤S3中，通过滑动窗口检测时，利用经典的面向倾斜梯度图特征与线性分类器来对人脸表情图像的所有子窗口进行二分类。5.根据权利要求3所述的一种基于人脸关键点提取和稀疏表达分类的表情识别方法，其特征在于：所述LBF算法是基于随机树的方法，学习每个关键点的局部二值特征，然后将特征组合起来，使用线性回归检测关键点。6.根据权利要求1所述的一种基于人脸关键点提取和稀疏表达分类的表情识别方法，其特征在于：所述步骤S4包括：m×nS401.根据得到样本的特征向量构建特征矩阵A＝[A1，A2，...Ak]∈R，m是特征维数，n是训练样本总数，将一个测试样本y∈Rm和将特征矩阵输入稀疏表示分类模型中；S402.求解L1范数问题的稀疏解S403.计算每个类别的训练样本与测试样本y的重构残差其中i＝1，2，...，k；S404.输出测试样本y的类别identify(y)＝argminri(y)。2CN108960201A说明书1/4页一种基于人脸关键点提取和稀疏表达分类的表情识别方法技术领域[0001]本发明属于计算机视觉技术领域，特别是涉及一种基于人脸关键点提取和稀疏表达分类的表情识别方法。背景技术[0002]人脸表情识别是计算机视觉研究和生物识别的重要组成。它主要是研究通过向计算机传递含有人脸的图像或视频来使计算机可以自动、高效地识别人脸蕴含的情绪，这在人机智能交互、游戏娱乐、公众安全等领域有着广泛应用。人脸表情识别的研究内容主要包括图像获取、图像预处理、特征提取和分类识别，这些也是人脸表情识别的过程。其中，特征提取和分类识别尤为关键。[0003]表情特征提取是指从含有面部表情的图像中获取到表情的整体信息和细微局部信息,并以此来表达出相应的情感状态。目前,表情特征提取算法可以分为以下几种基于形状特征的提取方法：(1)基于形状特征的提取方法,指通过标记在面部表情特征点的几何形状关系来获取情感状态特征信息。面部中的眉毛、眼睛