[发明专利]对人体面部微笑表情深度卷积神经网络的检测方法有效

专利信息
申请号: 201610089191.2 申请日: 2016-02-17
公开(公告)号: CN105608447B 公开(公告)日: 2018-12-07
发明(设计)人: 马苗;朱青青;郑雪;孙莉;裴炤;郭敏 申请(专利权)人: 陕西师范大学
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 西安永生专利代理有限责任公司 61201 代理人: 申忠才
地址: 710062 *** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人体 面部 微笑 表情 深度 卷积 神经网络 检测 方法
【说明书】:

一种对人体面部微笑表情深度卷积神经网络的检测方法,由训练步骤和测试步骤组成。训练步骤为:对训练样本图像进行预处理、训练卷积神经网、训练支持向量机分类器步骤;测试步骤为:对测试样本图像进行预处理,用预处理后的测试样本输入到卷积神经网络中提取测试样本的多尺度特征,将多尺度特征输入到支持向量机分类器中,得到检测结果,即是否微笑。本发明从大量样本图像中自动地提取微笑特征,避免了人工设计特征的复杂性和片面性,再利用支持向量机分类器进行微笑检测,提高了检测的准确率,可用于新产品用户体验评价、服务人员微笑服务评价、相机微笑快门控制及照片选择等。

技术领域

本发明属于图像处理及模式识别的技术领域,具体地涉及一种对人体面部微笑表情深度卷积神经网络的检测方法。

背景技术

作为人类情感表达的重要方式之一,微笑常常代表着人们快乐、欢喜、满意等情绪。人们能够一眼看出其他人的快乐心情,如果计算机也能自动解读人的情绪,计算机将会为人类提供更全面的服务。近年来,微笑自动检测技术逐渐得到研究人员和服务行业的关注,并渗透于人们日常生活的各个技术领域。例如,2013年,巴塞罗那一家喜剧俱乐部Teatreneu利用平板电脑通过识别人脸表情实行“按微笑收费”,这种创新实效的举措赢得了用户的青睐,并使得俱乐部的收入飙涨。再如,2007年,在索尼公司的SONYT200数码相机中,提供了由索尼和欧姆龙公司合作开发出来“微笑快门”用来捕捉刹那间笑容。此后,索尼爱立信将该功能引入到Cyber-shot系列手机W61S。但是,一般来说“微笑快门”灵敏度尚不理想。

目前,人们对微笑表情识别方法开始考虑遮挡和噪声的影响,比如身份、年龄、性别、姿态、光照、遮挡、拍摄环境、图像质量等因素。由于面部微笑表情易受多种客观因素影响,使得微笑表情特征复杂多变,难以人为的设计特征,因此,微笑表情识别成为一项具有挑战性的研究课题。

现有人脸表情识别多是对人脸正面成像的图像进行分析,用一种或多种特征融合的方法识别人脸表情,因此特征提取和选择算法不可避免的损失了部分信息,且易受人脸角度姿态、尺度变化和噪声干扰。

发明内容

本发明所要解决的技术问题在于克服现有技术的缺点,提供一种设计特征简单、全面、检测准确率高、检测速度快的对人体面部微笑表情深度卷积神经网络的检测方法。

解决上述技术问题所采用的技术方案它是由训练步骤和测试步骤组成,本发明的训练步骤为:

(1)对训练样本图像进行预处理

包括图像灰度化、嘴巴子图定位、大小归一化以及亮度调节步骤;

图像灰度化:用(1)式对被训练的样本图像进行灰度化处理,将彩色图像转为灰度图像:

I=Wr×R+Wg×G+Wb×B (1)

式中I为灰度化后的亮度,R为彩色图像的红色分量,G为彩色图像的绿色分量,B为彩色图像的蓝色分量,Wr为彩色图像的红色分量的权重,Wg为彩色图像的绿色分量的权重,Wb为彩色图像的蓝色分量的权重。

嘴巴子图定位:用五个关键点横坐标的平均值作为中心点的横坐标x,用五个关键点纵坐标的平均值作为中心点的纵坐标y,用欧式距离或曼哈顿距离或棋盘距离计算五个关键点到中心点的距离;计算上述五个距离的最大距离D或平均距离D或最小距离D,以((x-(0.75~0.77)D),y)为左上角,裁剪成宽为(1.5~1.58)D、高为(1.7~1.78)D的矩形,得到嘴巴子图。

嘴巴子图大小归一化:将上述嘴巴子图用双三次插值法或B样条插值法或三次样条插值法或等距插值法或四次样条插值法或拉格朗日插值法,归一化为32×32嘴巴子图,像素总个数为322

对嘴巴子图进行亮度调节:采用自适应亮度调节法或分段线性拉伸法或直方图均衡化算法,获得亮度调节后的嘴巴子图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于陕西师范大学,未经陕西师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201610089191.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top