[发明专利]一种图像识别方法、装置及系统

权利要求书

1.一种图像识别方法，其特征在于，包括:

对目标图像进行人脸特征提取，得到人脸信息;

对所述人脸信息进行图像描述和归一化处理，得到第一维度的特征系数;

将所述特征系数作为表情分析模型的输入参数，根据所述表情分析模型获得所述目标图像的表情分析结果，所述表情分析模型为通过表情特征训练得到的人脸表情特征的线性拟合模型。

2.根据权利要求1所述的方法，其特征在于，所述对目标图像进行人脸特征提取之前，包括:

采集人脸图像和非人脸图像作为人脸表情特征的训练样本;

提取所述训练样本中包含人脸特征的目标图像;

对所述包含人脸特征的目标图像进行图像描述和归一化处理，得到第一维度的特征系数;

以所述特征系数作为表情分析模型的输入参数，以表情识别的内容作为所述表情分析模型的输出参数，根据所述输入参数和所述输出参数进行所述表情分析模型的函数的回归拟合，得到人脸表情特征的线性拟合模型。

3.根据权利要求2所述的方法，其特征在于，所述对所述人脸特征进行归一化处理之前，包括:

对所述人脸特征进行特定表情的分类;

对每个所述特定表情进行等级划分，每个等级分别对应不同的数值区间。

4.根据权利要求2所述的方法，其特征在于，所述第一维度的特征系数之后，包括:

对所述第一维度的特征系数进行降维处理，得到第二维度的特征系数;

相应的，所述以所述特征系数作为表情分析模型的输入参数具体为以所述第二维度的特征系数作为表情分析模型的输入参数。

5.根据权利要求1所述的方法，其特征在于，所述对目标图像进行人脸特征提取，包括:

对目标图像以不同大小和位置的窗口进行多尺度的空间搜索并提取哈尔harr特征;

将每个所述窗口的特征输入级联强分类器进行人脸特征判断;

若所述目标图像中具有人脸特征，则对每个所述窗口所提取到的harr特征进行合并，得到人脸图像的位置信息和大小信息。

6.根据权利要求5所述的方法，其特征在于，所述对所述人脸信息进行图像描述和归一化处理，得到第一维度的特征系数，包括:

根据标准宽度和标准高度对提取到的人脸图像进行调整，将所述人脸图像的像素值归一为零，像素值方差归一为一;

将归一化后的所述人脸图像与N个尺度和M个方向的盖博GaboT滤波器进行卷积运算，得到第一维度的特征系数。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述将所述特征系数作为表情分析模型的输入参数之前，包括:

对所述第一维度的特征系数进行降维处理，得到第二维度的特征系数。

8.根据权利要求1至6任一项所述的方法，其特征在于，所述表情分析结果包括:

特定表情的类型，和/或任一个特定表情对应的程度分值。

9.一种图像识别装置，其特征在于，包括:

提取单元，用于对目标图像进行人脸特征提取，得到人脸信息;

处理单元，用于对所述人脸信息进行图像描述和归一化处理，得到第一维度的特征系数;

表情分析单元，用于将所述特征系数作为表情分析模型的输入参数，根据所述表情分析模型获得所述目标图像的表情分析结果，所述表情分析模型为通过表情特征训练得到的人脸表情特征的线性拟合模型。

10.根据权利要求9所述的装置，其特征在于，所述装置还包括:

训练拟合单元，用于采集若干人脸图像和非人脸图像作为人脸表情特征的训练样本;提取所述训练样本中的人脸特征;对所述人脸特征进行图像描述和归一化处理，得到第一维度的特征系数;以所述特征系数作为表情分析模型的输入参数，以表情识别的内容作为所述表情分析模型的输出参数，根据所述输入参数和所述输出参数进行所述表情分析模型的函数的回归拟合，得到人脸表情特征的线性拟合模型。

11.根据权利要求10所述的装置，其特征在于，所述训练拟合单元还用于:

对所述人脸特征进行特定表情的分类;对每个所述特定表情进行等级划分，每个等级分别对应不同的数值区间。