[发明专利]AU特征识别方法、装置及存储介质

说明书

本发明公开了一种AU特征识别方法、装置及存储介质，该方法包括：取摄像装置拍摄的实时图像，利用人脸识别算法从该实时图像中提取一张实时脸部图像；将该实时脸部图像输入预先训练好的面部平均模型，利用该面部平均模型从该实时脸部图像中识别出t个面部特征点；根据该t个面部特征点的位置，确定该实时脸部图像中与每个AU匹配的特征区域，从所述特征区域提取局部特征，生成多个特征向量；将所述多个特征向量分别输入预先训练好的、且与该特征区域匹配的AU分类器，得到从该特征区域中识别到相应AU特征的预测结果。通过不同的AU分类器对实时脸部图像中特征区域中的AU特征进行识别，有效提高AU特征识别的效率。

技术领域

本发明涉及计算机视觉处理技术领域，尤其涉及一种AU特征识别方法、装置及计算机可读存储介质。

背景技术

人脸情绪识别是人机交互与情感计算研究的重要组成部分，涉及心理学、社会学、人类学、生命科学、认知科学、计算机科学等研究领域，对人机交互智能化和谐化极具意义。

国际著名心理学家Paul Ekman和研究伙伴W.V.Friesen作了深入的研究，通过观察和生物反馈，描绘出不同的脸部肌肉动作和不同表情的对应关系。 FACS就是经过多年研究于1976年所创制的“面部表情编码系统。根据人脸的解剖学特点，可将其划分成若干既相互独立又相互联系的运动单元(action unit， AU)，这些运动单元的运动特征及其所控制的主要区域可以反映出面部表情。

目前，通过识别脸部图像中的AU特征判断面部表情方法比较通用，准确率较高，然而，业内识别AU特征，大多是收集大量AU样本，对样本进行整理，分成几类，使用卷积神经网络训练出AU特征识别模型，用来进行AU特征识别，但该种方法准确率不高。

发明内容

本发明提供一种AU特征识别方法、装置及计算机可读存储介质，其主要目的在于通过不同的AU分类器对实时脸部图像中特征区域中的AU特征进行识别，有效提高AU特征识别的效率。

为实现上述目的，本发明提供一种电子装置，该装置包括：存储器、处理器及摄像装置，所述存储器中包括AU特征识别程序，所述AU特征识别程序被所述处理器执行时实现如下步骤：

实时图像捕获步骤：获取摄像装置拍摄的实时图像，利用人脸识别算法从该实时图像中提取一张实时脸部图像；

面部特征点识别步骤：将该实时脸部图像输入预先训练好的面部平均模型，利用该面部平均模型从该实时脸部图像中识别出t个面部特征点；

局部特征提取步骤：根据该t个面部特征点的位置，确定该实时脸部图像中与每个AU匹配的特征区域，从所述特征区域提取局部特征，生成多个特征向量；及

AU特征预测步骤：将所述多个特征向量分别输入预先训练好的、且与该特征区域匹配的AU分类器，得到从该特征区域中识别到相应AU特征的预测结果。

可选地，所述AU特征识别程序被所述处理器执行时，还实现如下步骤：

判断步骤：判断所述预测结果中每个AU特征的概率是否大于预设阈值。

可选地，所述判断步骤还包括：

当判断所述预测结果中存在概率大于预设阈值的AU特征，提示从该实时脸部图像中识别到该AU特征。

此外，为实现上述目的，本发明还提供一种AU特征识别方法，该方法包括：

实时图像捕获步骤：获取摄像装置拍摄的实时图像，利用人脸识别算法从该实时图像中提取一张实时脸部图像；

面部特征点识别步骤：将该实时脸部图像输入预先训练好的面部平均模型，利用该面部平均模型从该实时脸部图像中识别出t个面部特征点；