[发明专利]一种检测视频中人脸微笑表情的方法

权利要求书

1.一种检测视频中人脸微笑表情的方法，其特征在于，包括：

S1：随机采集人脸数据库的图片数据，并标记每张图片是否为微笑表情图片；

S2：设置比例选取训练图像与测试图像，对所设比例的训练图像进行预处理，将预处理后的训练图像输入人脸微笑检测模型进行训练；

S3：用十折交叉验证法处理训练数据，统计每次交叉验证的误差，取误差最小的模型为最终的人脸微笑检测模型，将S2中所设比例的测试图像输入最终的人脸微笑检测模型进行测试；

S4：加载OpenCV模块自带的人脸检测分类器，调用视频文件并展示后，使用OpenCV模块自带的函数进行人脸识别；

S5：逐帧捕获视频人脸图像并放大，加载最终的人脸微笑检测模型，并设置输出参数以调整最终的人脸微笑检测模型，最终的人脸微笑检测模型输出是否微笑的结果总和。

2.根据权利要求1所述的检测视频中人脸微笑表情的方法，其特征在于，步骤S1中随机采集Sklearn人脸数据库中的图片数据。

3.根据权利要求2所述的视频人脸表情检测方法，其特征在于，步骤S2设置比例为8:2。

4.根据权利要求3所述的视频人脸表情检测方法，其特征在于，步骤S2具体为：按照设置比例选取训练图像和测试图像，调用OpenCV模块的Ptr<FaceRecognizer>model＝createEigenFaceRecognizer()函数，输入训练图像并给图像打标签，保存人脸微笑检测模型。

5.根据权利要求3所述的检测视频中人脸微笑表情的方法，其特征在于，步骤S3具体为：移去一个已知采样点的数据，用其他采样点的数据来估计该点以检验插值精度，选取误差最小的模型作为最终的人脸微笑检测模型后，将测试图像与标签输入最终的人脸微笑检测模型进行测试。

6.根据权利要求5所述的检测视频中人脸微笑表情的方法，其特征在于，检验插值精度的误差包括误差序列、平均误差、平均绝对误差和均方根误差。

7.根据权利要求3所述的检测视频中人脸微笑表情的方法，其特征在于，步骤S4具体为：加载OpenCV模块自带的haarcascade_frontalface_alt.xml分类器，输入视频文件路径，使用OpenCV模块自带的函数detectMultiScale进行人脸识别。

8.根据权利要求3所述的检测视频中人脸微笑表情的方法，其特征在于，步骤S5具体为：用capture.read()读取视频帧，对每帧图像进行灰度处理与直方图均衡化，放大获得的图像后输入最终的人脸微笑检测模型，最终的人脸微笑检测模型输出是否微笑的结果总和。