[发明专利]一种低分辨率环境下微表情识别的方法

权利要求书

1.一种低分辨率环境下微表情识别的方法，其特征在于，包括如下步骤：

步骤1：采集包含不同人脸信息的多个低分辨率视频片段，对每个低分辨率视频片段利用步骤1.1至步骤1.3进行处理，得到低分辨率人脸图像序列；

步骤1.1：选取低分辨率视频片段的模型脸帧，对视频片段的模型脸帧和第一帧分别利用ASM人脸标定算法标定待识别人脸的关键点集；

步骤1.2：对步骤1.1得到的模型脸帧与第一帧的待识别人脸的关键点集建立对应关系模型，将视频片段中其余帧分别输入对应关系模型，得到姿态统一的视频片段；

步骤1.3：对步骤1.2得到的姿态统一的视频片段按照待识别人脸的瞳距进行背景分割，得到低分辨率人脸图像序列；

步骤2：对步骤1得到的低分辨率人脸图像序列利用超分辨率重建方法重建为高分辨率人脸图像序列；

步骤3：对步骤2得到的高分辨率人脸图像序列中包含的各视频片段统一帧数，得到高分辨率人脸图像集；

步骤4：对步骤3得到的高分辨率人脸图像集采用用于微表情识别的特征提取方法进行特征提取，得到高分辨率人脸图像集的多个MLBP-TOP特征，将多个MLBP-TOP特征输入LSVM分类器，得到高分辨率人脸图像集包含的每个人脸信息对应的微表情类别；

所述用于微表情识别的特征提取方法包括如下步骤：

步骤1：获取高分辨率人脸图像集，所述高分辨率人脸图像集中包含不同人脸信息的图像序列，将包含同一人脸信息的图像序列划分为一段，随机选取其中一段图像序列作为测试集，其余段图像序列作为训练集；

步骤2：设置多组分块参数并按照分块参数对测试集进行分块，得到多组分块方式不同的测试集；

步骤3：对每组分块方式下的测试集分别提取LBP-TOP特征，得到多个LBP-TOP特征，将多个LBP-TOP特征输入LSVM分类器，得到多个识别准确度混淆矩阵，所述每个识别准确度混淆矩阵对应一个LBP-TOP特征；

步骤4：融合所有数值分布在主对角线的识别准确度混淆矩阵所对应的LBP-TOP特征，得到测试集的MLBP-TOP特征；

步骤5：采用Leave-one-subject-out方法，按照步骤4得到的测试集的MLBP-TOP特征处理训练集，提取到高分辨率人脸图像集中每段图像序列的MLBP-TOP特征。

2.如权利要求1所述的低分辨率环境下微表情识别的方法，其特征在于，步骤2中所述分块参数包括列向块数、行向块数和时间向块数。

3.如权利要求1所述的低分辨率环境下微表情识别的方法，其特征在于，步骤1.1中所述ASM人脸标定算法为：

当标定出一个关键点集时，该关键点集为待检测人脸的关键点集；当标定出多个关键点集时，利用式Ⅰ排除错误标定，得到待检测人脸的关键点集；

其中，I_mod表示模型脸帧，L⁽ⁱ⁾(I_mod)表示模型脸帧中第i个关键点集中任意两个关键点的相对距离，p、q指同一个关键点集中任意两个关键点，i指标定的关键点集个数，n为I_mod中所有关键点的个数且n＝68i，选择L⁽ⁱ⁾(I_mod)最大的关键点集作为待检测人脸的关键点集。

4.如权利要求1所述的低分辨率环境下微表情识别的方法，其特征在于，步骤1.2中对应关系模型为：

当模型脸帧不是第一帧时，利用LWM函数建立模型脸帧的待识别人脸的关键点集ψ(I_mod)与第一帧的待识别人脸的关键点集ψ(I₁)之间如式Ⅱ的对应关系模型T：

T＝LWM(ψ(I_mod),ψ(I₁))    (式Ⅱ)，

当模型脸帧是第一帧时，对应关系模型T为常数1，视频片段是姿态统一的视频片段。