[发明专利]基于人脸局部区域特征学习的跨库微表情识别方法及装置

说明书

本发明公开了一种基于人脸局部区域特征学习的跨数据库微表情识别方法及装置，包括：(1)获取两个微表情数据库，分别作为训练数据库和测试数据库，其中，每个微表情数据库中包含有若干微表情视频和对应的微表情类别标签；(2)将训练数据库和测试数据库中的微表情视频转换为微表情图像序列，并从中提取出灰度人脸图像，再经过分块后提取人脸局部区域特征；(3)建立组稀疏线性回归模型，并采用人脸局部区域特征对其进行学习，得到一个连接人脸局部区域特征与微表情类别标签之间的稀疏投影矩阵；(4)对于待识别的微表情，按照步骤(2)得到人脸局部区域特征，并采用学习到的稀疏投影矩阵，得到对应的微表情类别标签。本发明准确率更高，更方便。

技术领域

本发明涉及图像处理，尤其涉及一种基于人脸局部区域特征学习的跨数据库微表情识别方法及装置。

背景技术

微表情是人类试图隐藏或抑制内心真实情绪时，不经意间露出的面部表情，不受人主观意识的控制。微表情是检测人类隐藏情绪时重要的非语言信号，通常能够有效揭示一个人的真实心理状态，被认为是识别谎言的关键线索，对更好地理解人类情感，有着重要作用。因此，微表情的有效运用，对社会生产生活有着重要作用。在刑侦方面，经过一定微表情识别能力训练的审讯员，可以更好地识别犯罪嫌疑人的谎言；在社会治安方面，通过观察微表情可以判断潜伏在日常生活中的危险分子，防恐防暴；在临床医疗方面，通过微表情，医生更好地了解患者的真实想法，例如隐藏病情等等，从而更加有效地与患者交流，更加准确地分析病情，改进治疗方案。但是，人工识别微表情培训成本较高，难以大规模推广。因此近年来，利用计算机视觉技术和人工智能方法，进行微表情识别地需求日益增加。

传统的微表情识别往往在单个微表情数据库上进行训练与测试，而在实际生活中，训练数据库与测试数据库，往往具有较大差异，例如微表情样本在类别上不平衡、样本来自不同人种等等，故在不同微表情数据库上进行微表情识别更贴近于真实生活场景，这是一种跨数据库的微表情情感识别问题。

传统微表情识别，通常利用LBP相关的空时描述子特征或光流相关特征，采用子空间学习的方法，进行识别，但其因需人为设定的超参数过多，适用性不好。

发明内容

发明目的：本发明针对现有技术存在的问题，提供一种基于人脸局部区域特征学习的跨数据库微表情识别方法及装置，识别准确率更高，且减少人为设定的超参数，更方便。

技术方案：本发明所述的基于人脸局部区域特征学习的跨数据库微表情识别方法包括：

(1)获取两个微表情数据库，分别作为训练数据库和测试数据库，其中，每个微表情数据库中包含有若干微表情视频和对应的微表情类别标签；

(2)将训练数据库和测试数据库中的微表情视频转换为微表情图像序列，并从中提取出灰度人脸图像，再经过分块后提取人脸局部区域特征；

(3)建立组稀疏线性回归模型，并采用人脸局部区域特征对其进行学习，得到一个连接人脸局部区域特征与微表情类别标签之间的稀疏投影矩阵；

(4)对于待识别的微表情，按照步骤(2)得到人脸局部区域特征，并采用学习到的稀疏投影矩阵，得到对应的微表情类别标签。

进一步的，步骤(2)具体包括：

(2-1)将训练数据库和测试数据库中的每个微表情视频转换为微表情图像序列；

(2-2)将所述微表情图像序列进行灰度化处理；

(2-3)从灰度化处理的微表情图像序列中裁剪出矩形人脸图像并进行缩放；

(2-4)利用插值和关键帧挑选算法对将所有缩放的人脸图像进行处理，得到每个微表情视频对应的帧数相同的人脸图像；

(2-5)将步骤(2-4)处理后的人脸图像进行分块，并提取各分块中的特征，作为人脸局部区域特征。