[发明专利]一种人脸表情识别方法及其应用的智能锁系统

说明书

技术领域

本发明涉及图像处理技术，特别是一种人脸表情识别方法及其应用的智能锁系统。

背景技术

基于人脸识别技术，现今已经在生活中应用广泛，采用计算机视觉技术识别人脸面部特征信息，包括采集人脸图像及跟踪人脸图像，人脸识别特征提取，人脸识别数据的学习、记忆及对比辨识。国际上人脸识别研究比国内起步早，技术比国内先进。著名的研究机构有美国MIT和英国的Department of Engineering in University of Cambridge等。国内人脸识别技术经过近些年的发展，目前在理想光照、人脸表情与姿态条件下的人脸识别率已达到实用要求，人脸识别在门禁考勤、出入控制、公安司法、视频监控等领域已有广泛应用。

然而，现有人脸识别方法受环境光照、人脸表情与姿态、遮挡的影响较大，当这些因素在人脸的注册阶段和验证阶段发生较大变化时，人脸识别性能会急剧下降，导致其在许多场合(如公共监视平台)无法应用。ICA(Independent Component Analysis)方法对人脸轻微旋转和光照变化的鲁棒性较强；NMF(Non-negative Matrix Factorization)方法对人脸遮挡具有一定鲁棒性；SIFT描述子描述人脸的不变特征，对人脸尺度和姿态变化具有较强的鲁棒性；机器学习的方法致力于解决遮挡情况下的人脸可靠识别难题；或通过多关键点信息优化弹性图匹配，对人脸姿态和表情变化有所提高。上述方法都在某些方面提高了人脸识别的鲁棒性，但普适性不强，对表情变化的识别性能一般。

早期人脸表情识别主要是基于静态图像的，这种识别方式运算简单，速度快，但是要求所处理的图像表情特征明显甚至夸张，难以识别细微的人脸表情，鲁棒性较差，识别率较低。

现有应用在智能锁系统上的人脸识别技术，传统的应用人脸识别的智能锁系统，都是对人脸的静态表情进行识别，如在银行、金店、金库、艺术品仓库等安防重点行业，当工作人员遇到胁迫时，不能及时发现危险或者远程报警，歹徒挟持工作人员进行刷脸开锁时，工作人员并不能采取任何措施，而可以想象得到，当被歹徒挟持时，脸部的表情是工作人员能够容易控制的信号，因此我们希望能够将研发相应的表情识别方法以配合智能锁系统使用。

发明内容

为解决上述技术问题，本发明的目的是提供一种人脸表情识别的方法以及应用了此方法能够根据人脸表情来控制解锁或者上锁的智能锁系统。

本发明采用的技术方案是：

一种人脸表情识别方法，包括以下步骤，

a、从视频信息中采集人脸图像信息；

b、基于形状模型提取人脸图像信息中的人脸表情特征点；

c、采用基于DWT-SIFT特征的圆形邻域对视频信息中DWT-SIFT特征匹配的人脸表情特征点进行运动跟踪，得出人脸表情特征点的运动特征信息；

d、对运动特征信息通过分类器进行分类识别，得出表情状态数据。

所述步骤b中，形状模型为主动形状模型或者主动表象模型或者隐马尔可夫模型。

所述形状模型为主动形状模型，所述步骤b中标志出人脸图像信息中形状特征点，将形状特征点作为集合生成训练样本集，并且由训练样本集建立统计模型，再基于局部纹理模型对统计模型进行反馈调整，使得统计模型与人脸图像信息配对，提取人脸表情特征点。

所述步骤a包括

步骤a1、获取视频信息；

步骤a3、将视频信息按照设定的模版进行定位、裁剪处理以得出人脸图像信息。

所述步骤a1与步骤a3之间还包括步骤a2、将视频信息进行图像画质增强处理。

所述步骤c中基于DWT-SIFT的特征匹配，提取视频信息中第一个关键帧的人脸表情特征点的DWT-SIFT特征，在之后的关键帧中搜索人脸表情特征点的圆形邻域进行DWT-SIFT特征匹配，表情特征点的样本集为P，(Pi,Pj)x为表情特征点Pi和Pj的水平距离，(Pi,Pj)y为表情特征点Pi和Pj的垂直距离，通过运动编码模型计算，得出运动特征信息。

所述步骤d中，采用基于生成模型的最大似然估计的半监督分类方法，利用已有的已标记表情样本估计模型的参数，并以此作为模型参数的初始值，然后用未标记表情样本，通过递归计算方式对分类器的参数进行优化处理，直到所有表情样本的似然函数收敛到局部极大值，将运动特征信息通过分类器计算其与各个表情样本的似然函数配对得出的概率，进行分类识别，得出表情状态数据。

一种应用人脸表情识别方法的智能锁系统，包括，