[发明专利]一种基于面试中微表情的说谎检测方法

权利要求书

1.一种基于面试中微表情的说谎检测方法，其特征是包括以下步骤：

步骤1、制作数据标签：模型以皱眉、抬眉毛、抿嘴、嘟嘴、歪头五种表情进行训练，对每一类表情数据打上标签；

步骤2、特征提取：输入脸部微表情的图像到预训练好的以VGG16作为骨干的SSD网络中，让图片经过卷积神经网络提取特征，并生成特征图；

步骤3、评估边界：对每个特征图都执行卷积操作来评估默认边界框，对每个边界框预测偏移量和分类概率；

步骤4、重生边界：将不同特征图获得的边界框结合起来，执行非极大值抑制的方法过滤一部分重叠或者不正确的边框，生成最终的边界框集合，即检测结果；

步骤5、结果分类：对检测结果用分类器分类。

2.根据权利要求1所述的一种基于面试中微表情的说谎检测方法，其特征在于，所述步骤1进一步为：

步骤1-1、模型提取皱眉、抬眉毛、抿嘴、嘟嘴、歪头五种人脸图像的特征向量，对人脸图像中每个ground truth，找到与其IOU最大的先验框，该先验框与其匹配，对于剩余的未匹配先验框，若某个ground truth的大于阈值0.5，则该先验框也与这个ground truth进行匹配；

步骤1-2、将人脸图像裁剪为尺寸256×256像素，对像素内的人脸图像进行肤色识别，将单位像素的RGB色彩空间转换为YCrCb色彩空间，将32×32像素的区域定义为一个Block，为每个Block分别建立肤色特征向量；对该图像进行梯度运算，对于连续的图像函数f(x，y)，其在任意像素点(x，y)处的梯度值为矢量：

式中，G_x表示图像沿x方向的梯度，G_y表示图像沿y方向的梯度，梯度幅值是f(x，y)在其最大变化率方向上的单位距离增加的量；

梯度幅值用表示，表达式如下：

式中，f(x+1，y)表示y方向不变，x方向累加一个像素点的图像函数，f(x，y+1)表示x方向不变，y方向累加一个像素点的图像函数，其它含义同上；

方向角用表示，表达式如下：

式中，各符号含义同上；

步骤1-3、根据提取出的模型特征作为训练样本，计算输入量与输出量之间关联性的估计函数，训练系统对于不同输出量的预测能力，在函数{f(x，ω)}中求得最优函数f(x，ω₀)对变量y与x的关联性估计，并使得期望风险R(ω)为最小值：

式中，f(x，ω)表示预测函数，{f(x，ω)}表示预测函数的集合，ω表示广义参数，L(y，f(x，ω))表示使用函数f(x，ω)对输出量y进行预测与实际输出相比所造成的损失，h表示所预测的函数集的最大训练能力，n为训练样本，η∈[0，1]。