[发明专利]一种基于面部表情的联合作画方法及系统

权利要求书

1.一种基于面部表情的联合作画方法，包括如下步骤：

步骤S1，建立面部表情识别模型，并利用面部表情样本数据库的训练图像进行反复训练，以使所述面部表情识别模型能实现面部表情类别自动识别，并根据所述面部表情样本数据库统计分析获得各面部表情类别对应的各器官相对位移对应的浮动区间；

步骤S2，获取绘制的人脸图像；

步骤S3，利用所述面部表情识别模型识别出该绘制人脸图像的面部表情类别；

步骤S4，根据识别出的面部表情类别，获得该表情类别对应的各面部器官所属相对位移的浮动区间，对该绘制人脸图像进行微调；

步骤S5，输出微调后的绘制人脸图像。

2.如权利要求1所述的一种基于面部表情的联合作画方法，其特征在于，步骤S1进一步包括：

步骤S100，获取大量带有面部表情的人脸图像，基于面部表情类别特征分类后，建立面部表情样本数据库；

步骤S101，统计分析所述面部表情样本数据库中所有图像各面部器官所属关键点产生的相对位移，获得各表情类别各器官相对位移对应的浮动区间；

步骤S102，建立所述面部表情识别模型，利用所述面部表情样本数据库中的训练图像进行反复训练，使其可实现面部表情类别的自动识别。

3.如权利要求2所述的一种基于面部表情的联合作画方法，其特征在于，所述步骤S100进一步包括：

步骤S100a，获取大量带有面部表情的人脸图像，基于人脸识别技术，获得各人脸图像的人脸区域以及所属人脸特征图；

步骤S100b，基于人脸特征图以及面部表情类别特征，对获取的人脸图像进行分类；

步骤S100c，对分类后的人脸图像进行归一化处理，并基于图像总数量，把图像分成训练图像和测试图像，建立面部表情样本数据库。

4.如权利要求3所述的一种基于面部表情的联合作画方法，其特征在于：于步骤S100b中，基于人脸特征图各面部器官所属关键点产生的相对位移，并结合各标准面部表情类别特征，对所述人脸图像进行分类。

5.如权利要求4所述的一种基于面部表情的联合作画方法，其特征在于：所述面部表情类别包括但不限于高兴、伤心、害怕、愤怒、厌恶、惊讶以及轻蔑。

6.如权利要求2所述的一种基于面部表情的联合作画方法，其特征在于：于步骤S102中，基于机器学习方法，将所述面部表情样本数据库中的训练图像作为所述模型训练的输入图像，将该输入图像、该输入图像中人脸各面部器官所属关键点坐标以及图像所属面部表情类别传输给所述模型反复训练，以使所述模型实现基于人脸图像自动识别其面部表情。

7.如权利要求6所述的一种基于面部表情的联合作画方法，其特征在于：于步骤S102中，当所述模型训练停止后，将所述模型与该面部表情样本数据库中的测试图像进行试运行测试，根据损失函数得出模型识别准确率，根据模型识别准确率确定最终的面部表情识别模型。

8.如权利要求7所述的一种基于面部表情的联合作画方法，其特征在于：若根据所述损失函数获得的模型识别准确率达到预设阈值，则确定当前面部表情识别模型为最终的模型，并把模型应用于现场；否则重新调整模型网络结构，并继续利用面部表情样本数据库的训练图像反复训练，或者于所述面部表情样本数据库增加训练图像继续反复训练直至模型识别准确率达到预设阈值。

9.如权利要求1所述的一种基于面部表情的联合作画方法，其特征在于：于步骤S2中，对获取的绘制的人脸图像进行归一化处理。

10.一种基于面部表情的联合作画系统，包括：

面部表情识别模型建立单元，用于建立面部表情识别模型，并利用面部表情样本数据库的训练图像进行反复训练，以使所述面部表情识别模型能实现面部表情类别自动识别，并根据所述面部表情样本数据库统计分析获得各面部表情类别对应的各器官相对位移对应的浮动区间；

绘制图像获取单元，用于获取绘制的人脸图像；

表情识别单元，用于利用所述面部表情识别模型识别出该绘制人脸图像的面部表情类别；

微调单元，用于根据识别出的面部表情类别，获得该表情类别对应的各面部器官所属相对位移的浮动区间，对该绘制人脸图像进行微调；

输出单元，用于输出微调后的绘制人脸图像。