基于主動形狀模型算法分析人臉表情的方法技術

本發(fā)明專利技術涉及一種基于主動形狀模型算法識別人臉表情的方法。所述方法包括：存儲或選取人臉表情數(shù)據(jù)庫，選取所述人臉表情數(shù)據(jù)庫中部分或全部人臉表情作為訓練圖像；基于主動形狀模型算法對所述訓練圖像進行特征點定位，其中所述特征點為針對所述訓練圖像的眉毛、眼睛、鼻子和嘴巴四部分定位出的特征點，所述特征點形成所述的眉毛、眼睛、鼻子和嘴巴各部分的輪廓數(shù)據(jù)信息，進行數(shù)據(jù)訓練得到各表情的數(shù)值約束條件；基于各表情的數(shù)值約束條件建立人臉表情的數(shù)學模型，基于所述數(shù)學模型進行人臉識別。

【技術實現(xiàn)步驟摘要】

本專利技術設及人臉表情識別
，尤其設及一種基于主動形狀模型算法分析人 臉表情的方法。
技術介紹
人臉在日常生活的人際交往中發(fā)揮著關鍵作用，所W對于人臉及人臉表情識別的 研究日益成為各學者關注的熱點。最早，Ekman等屯、理學家提出在人類日常交流過程中， 有55%的信息是通過人臉面部表情來傳遞的，而通過語言和聲音手段進行交流的信息只占 7%和38%，因此為了更好地了解人類的精神狀態(tài)，需要對表情進行深入研究。 關于人臉表情的研究起源于19世紀，20世紀70年代時，由Ekman和化iesen提出 了統(tǒng)一的人臉表情模板，該表情模板適用于各個種族、文化的所有人類，包括高興、悲傷、害 怕、厭惡、驚訝和生氣，被稱為"六種基本表情"。 人臉表情是人臉肌肉作用的結果，并體現(xiàn)在面部器官上；眼睛、眉毛、鼻子、嘴己和 皮膚紋理等，表情臉的運動特征總結規(guī)律。由戴振龍等人所研究實現(xiàn)的表情實時生成是基 于MPEG-4標準，該標準對人臉動作進行了量化定義，主要包括；臉部定義參數(shù)（FD巧，定義 人臉的幾何結構；臉部動畫參數(shù)（FAP)，定義人臉臉部基本動作。如果想要準確的描述人臉 表情，我們就需要相關的術語對產(chǎn)生表情的運動及變化進行描述，例如臉部運動的定位、強 度和動態(tài)規(guī)律等。人臉表情的描述可W通過臉部特征的幾何形變或者臉部區(qū)域的紋理變 化來實現(xiàn)。比如說笑，可W通過臉頰的提高和嘴角的上揚來表示。但是，由于每個人表現(xiàn)表 情的方式不同及各種表情的多樣性，所W很難準確地描述一個表情，本文希望對比出其它 表情和中性表情的差異，從而實現(xiàn)表情識別。 人臉表情識別是首先針對臉部表情特征區(qū)域提取關鍵點信息，并且結合相應算法 按照計算機的理解方式給出描述，然后計算機依據(jù)先驗知識來識別人臉表情，最終實現(xiàn)一 個良好的人機交互環(huán)境。由于表情的復雜多樣性，人臉表情識別相對有較高挑戰(zhàn)性，但是， 隨著近些年的科技發(fā)展，對于人工智能方向的研究已經(jīng)達到了較高的水平，尤其在人臉表 情識別發(fā)展中取得了很好的研究成果。 人臉表情識別有廣泛的應用前景： 在智能安全監(jiān)控領域，很多汽車、飛機等司機需要高度集中注意力，如果出現(xiàn)疲勞 駕駛或者一些突發(fā)狀況時是很有危險的，將表情識別系統(tǒng)運用起來進行實時的監(jiān)控及提 醒，將會極大地提高安全系數(shù)，保障人們的生命安全，消除不必要的安全隱患。 在醫(yī)療衛(wèi)生領域，可W通過表情識別系統(tǒng)等實時觀察病人狀況，并能夠及時地反 饋給醫(yī)生。另外，基于表情識別的智能機器人也可W代替醫(yī)護人員，更好的了解和掌握病人 的需求，隨時聽候病人的差遣。目前，為照顧行動不便人±的機器人已經(jīng)研發(fā)出來并得到使 用，相信未來結合表情識別的智能機器人會有更人性化的服務功能。 在美國電視劇《Lie to Me》中，測謊專家通過觀察人的表情來判斷其是否撒謊， 破解了很多棘手的案例。因此，通過表情變化來測謊是未來表情識別的很有意義的一個發(fā) 展方向。 在教育領域，通過觀察兒童在一些場景和活動中的表情，發(fā)掘兒童潛在的興趣、了 解掌握兒童的情感狀況及性格問題，有助于促進兒童的健康成長，避免一些消極狀況的發(fā) 生。另外，教師可W結合屯、理學等知識，通過觀察學生們的表情信息了解學生們的屯、理狀 況，及時地引導學生們解決學習生活中的各種問題。針對此應用目的，有研究開發(fā)出移動學 習下的表情識別系統(tǒng)。 總之，隨著社會的不斷發(fā)展W及科技的進步，人臉表情的分析與識別技術在未來 的日常生活中會得到廣泛應用，并且在改善人們的生活方式W及生活質(zhì)量方面有著巨大的 潛力。 人臉表情識別在人們的日常生活中發(fā)揮重要作用。盡管近年來關于表情識別的研 究取得了明顯進展，但現(xiàn)有方法一般技術性比較強、過程比較復雜。 傳統(tǒng)的基于圖像分析的人臉表情識別算法需要處理整幅圖像的所有像素數(shù)據(jù)，其 算法復雜度往往會制約整個視覺系統(tǒng)的效率。 有鑒于上述的缺陷，本設計人，積極加W研究創(chuàng)新，W期創(chuàng)設一種基于主動形狀模 型算法分析人臉表情的方法，使其更具有產(chǎn)業(yè)上的利用價值。
技術實現(xiàn)思路
為解決上述技術問題，本專利技術的目的是提供一種計算效率高、識別準確性好的基 于主動形狀模型算法分析人臉表情的方法。 本專利技術的基于主動形狀模型算法識別人臉表情的方法，所述方法包括： 存儲或選取人臉表情數(shù)據(jù)庫，選取所述人臉表情數(shù)據(jù)庫中部分或全部人臉表情 作為訓練圖像； 基于主動形狀模型算法對所述訓練圖像進行特征點定位，其中所述特征點為針對 所述訓練圖像的眉毛、眼睛、鼻子和嘴己四部分定位出的特征點，所述特征點形成所述的眉 毛、眼睛、鼻子和嘴己各部分的輪廓數(shù)據(jù)信息； 基于所述的眉毛、眼睛、鼻子和嘴己各部分的輪廓數(shù)據(jù)信息，對所述訓練圖像進行 數(shù)據(jù)訓練，得到各基本表情W及中性表情體現(xiàn)在眉毛、眼睛、鼻子和嘴己各部分的幾何特征 的數(shù)據(jù)定義； 基于所述的數(shù)據(jù)定義分別對各基本表情相較于中性表情的幾何特征變化進行數(shù) 值計算，得到各表情的數(shù)值約束條件； 基于各表情的數(shù)值約束條件建立人臉表情的數(shù)學模型，基于所述數(shù)學模型進行人 臉識別。 進一步地，選取日本ATR女性表情數(shù)據(jù)庫中部分或全部人臉圖像作為訓練圖像， 其中所述訓練圖像至少包括6種基本表情中的各一副人臉圖像和中性表情的至少一副人 臉圖像； 基于主動形狀模型算法對所述訓練圖像進行人臉特征點定位，其中所述特征點為 針對人臉眉毛、眼睛、鼻子和嘴己部分定位出的特征點，所述特征點形成所述眉毛、眼睛、鼻 子和嘴己各部分的輪廓形狀數(shù)據(jù)信息； 基于所述的各部分的輪廓特征數(shù)據(jù)信息，對各表情體現(xiàn)在眉毛、眼睛、鼻子和嘴己 各部分的幾何特征進行數(shù)據(jù)定義； 基于所述的數(shù)據(jù)定義分別對各表情體現(xiàn)在眉毛、眼睛、鼻子和嘴己各部分的幾何 特征進行數(shù)值計算； 對各基本表情相較于中性表情的幾何特征變化進行數(shù)值計算，得到各基本表情相 較于中性表情的數(shù)值約束條件； 基于各基本表情的數(shù)值約束條件建立人臉表情的數(shù)學模型，基于所述數(shù)學模型進 行人臉識別。 具體地，所述的主動形狀模型算法對所述訓練圖像進行人臉特征點定位具體包 括： 選取所述的表情數(shù)據(jù)庫中的70副人臉圖像作為進行訓練，在每張所述訓練圖像上 選取94個特征點，將左眉毛、右眉毛、左眼睛上眼臉、左眼睛下眼臉、右眼睛上眼臉、右眼睛 下眼臉、鼻子、上嘴唇、下嘴唇部分的特征點依次構成特征向量Si，S2, S3, S4, Ss，Se，S,，Ss，S9; 對所述的特征點進行線性插值運算，其中所述線性插值運算具體包括：使用插值 函數(shù)interp對坐標數(shù)據(jù)信息進行5倍原采樣頻率值重新采樣；利用interpl函數(shù)在選 定特征點之間平均插入20個點，構成特征向量S' 1，S' 2, S' 3, S' 4, S' 5, S' e，S' 7, S' 8 ，S' 9; 對所有特征向量進行對齊； 特征向量對齊之后，構建形狀模型，通過對特征向量進行PCA運算得到特征值、特 征向量、平均形狀 Evalues, Evectors, x_mean ; 圧values, Evectors, x_mean] = PCA(X), 選取98%的特征向量來減少輪廓噪聲，并對特征值設置參數(shù)限制，選取前t個特 征向量和特征值，特征值按照從大到小排列，獲得全局統(tǒng)計形狀模型X， P = Evectors (1, 2. . . , t), 占 = ^/I*￡v本文檔來自技高網(wǎng)...

【技術保護點】
一種基于主動形狀模型算法識別人臉表情的方法，其特征在于，所述方法包括：存儲或選取人臉表情數(shù)據(jù)庫，選取所述人臉表情數(shù)據(jù)庫中部分或全部人臉表情作為訓練圖像；基于主動形狀模型算法對所述訓練圖像進行特征點定位，其中所述特征點為針對所述訓練圖像的眉毛、眼睛、鼻子和嘴巴四部分定位出的特征點，所述特征點形成所述的眉毛、眼睛、鼻子和嘴巴各部分的輪廓數(shù)據(jù)信息；基于所述的眉毛、眼睛、鼻子和嘴巴各部分的輪廓數(shù)據(jù)信息，對所述訓練圖像進行數(shù)據(jù)訓練，得到各基本表情以及中性表情體現(xiàn)在眉毛、眼睛、鼻子和嘴巴各部分的幾何特征的數(shù)據(jù)定義；基于所述的數(shù)據(jù)定義分別對各基本表情相較于中性表情的幾何特征變化進行數(shù)值計算，得到各表情的數(shù)值約束條件；基于各表情的數(shù)值約束條件建立人臉表情的數(shù)學模型，基于所述數(shù)學模型進行人臉識別。

【技術特征摘要】

【專利技術屬性】
技術研發(fā)人員：鐘寶江，候婕，
申請(專利權)人：蘇州大學，
類型：發(fā)明
國別省市：江蘇;32