[发明专利]一种基于人面识别的情绪分析方法

说明书

技术领域

本发明属于智能软件技术领域，尤其涉及一种基于人面识别的情绪分析方法。

背景技术

情感能力是人类智能的重要标志，情感计算机技术是和谐人机交互与人工智能领域中新的研究方向，也是数学、信息科学、智能科学、神经科学、以及生理、心理科学等多学科交叉的新结合点，是建立自然和谐、友好的智能人机环境的基础理论与技术之一，旨在通过赋予计算机系统识别、理解、表达和适应人的情感的能力，来建立和谐人机环境。

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。

微表情，是心理学名词。人们通过做一些表情把内心感受表达给对方看，在人们做的不同表情之间，或是某个表情里，脸部会“泄露”出其它的信息。“微表情”最短可持续1/25秒，虽然一个下意识的表情可能只持续一瞬间，但这种特性，很容易暴露情绪。当面部在做某个表情时，这些持续时间极短的表情会突然一闪而过，而且有时表达相反的情绪。“微表情”一闪而过，通常甚至清醒的作表情的人和观察者都察觉不到。在实验里，只有10%的人察觉到。比起人们有意识做出的表情，“微表情”更能体现人们真实的感受和动机，通过人面识别再结合微表情和心理学知识可以进一步分析出人类情绪的变化。

发明内容

基于存在上述问题，本发明提供一种基于人面识别的情绪分析方法，其通过软件系统对学习者进行拍摄，并通过网络服务器辅助对图像进行处理分析，建立人面模型分析学习者的微表情变化和行为动态，从而分析出拍摄对象的情绪变化，本发明具有分析准确和相应速度快的优点。

一种基于人面识别的情绪分析方法，其包括以下步骤：

步骤S10图像采集，控制摄像设备对人像进行拍摄，将拍摄到的图像传递到颜色分析模块，并随时根据颜色分析模块反馈调整拍摄角度；

步骤S20图像颜色分析，将采集到的图像信息进行分析，分析图像的颜色变化，区分人面区域和背景区域，并确定人面位置，根据人面的位置调整拍摄角度，使人面处于图像中间；

步骤S30像素统计分析，对图像进行像素化，再对图像中的人面区域进行像素统计分析，对人面进行细致识别；

步骤S40标记特征点，结合人面细致识别结果和生物信息进行比对，标记出图像中人面特征点；

步骤S50建立人面模型，根据特征点和人面信息对分析对象建立人面模型，模拟人面特征点变化分析；

步骤S60情绪分析，根据人面的变化结合生物情绪行为信息比对得出分析对象的瞬时情绪。

其中，所述的步骤S10图像采集能够分为步骤S11静态图像采集和步骤S12动态图像采集，步骤S11静态图像采集后执行步骤S20颜色分析，调整拍摄角度；步骤S12动态图像采集后执行步骤S30，对人面区域进行像素统计分析。

其中，所述的步骤S60中的生物情绪行为信息包括人面微表情信息和人为动作信息。

其中，所述的步骤S30像素统计分析还包括步骤S31，连接互联服务器辅助对图像进行像素统计分析计算。

其中，所述的分析方法还包括步骤S70大数据分析更新维护，执行步骤S60后对分析结果结合互联网数据进行大数据分析再次确认分析结果，并根据分析结果对生物信息数据库进行更新维护。

具体实施方式

下面结合具体实施例对本发明作进一步的描述。

一种基于人面识别的情绪分析方法，其包括以下步骤：

步骤S10图像采集，控制摄像设备对人像进行拍摄，将拍摄到的图像传递到颜色分析模块，并随时根据颜色分析模块反馈调整拍摄角度；

步骤S20图像颜色分析，将采集到的图像信息进行分析，分析图像的颜色变化，区分人面区域和背景区域，并确定人面位置，根据人面的位置调整拍摄角度，使人面处于图像中间；

步骤S30像素统计分析，对图像进行像素化，再对图像中的人面区域进行像素统计分析，对人面进行细致识别；

步骤S40标记特征点，结合人面细致识别结果和生物信息进行比对，标记出图像中人面特征点；

步骤S50建立人面模型，根据特征点和人面信息对分析对象建立人面模型，模拟人面特征点变化分析；

步骤S60情绪分析，根据人面的变化结合生物情绪行为信息比对得出分析对象的瞬时情绪。