[发明专利]一种基于面试中微表情的说谎检测方法

说明书

本发明涉及一种基于面试中微表情的说谎检测方法，首先模型以皱眉、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；接着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；然后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；接着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；最后对检测结果用分类器分类。本发明同时使用高层次和低层次的视觉特征，与人类相比，在预测欺骗方面明显更好；比人类的肉眼的判断不仅速度更快，技术精准度更高。

技术领域

本发明涉及一种基于面试中微表情的说谎检测方法，属于图像信息处理技术领域。

背景技术

面试过程中说谎与欺骗现象时常发生，如何有效的识别谎言显得非常重要。虽然说谎是一种司空见惯的现象，但是，说谎时人的微表情与正常交谈时是有所不同的，一些微小的表情变化和脸部微妙的肌肉跳动很容易在无意识间暴露真实的想法，专业的微表情专家能够捕捉这些微表情，进而判断面试过程中是否存在说谎与欺骗。

然而面试过程中因为容易受到各种因素干扰，这种依赖人工探测是否说谎的准确性经常会大打折扣，而传统的机器人脸识别因为没有对微表情进行特殊优化，容易收到面部其它特征的干扰，无法直接运用在微表情判断上。

发明内容

发明目的：提供一种基于面试中微表情的说谎检测方法，解决了现有技术存在的上述问题。

技术方案：一种基于面试中微表情的说谎检测方法，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。

在进一步的实施例中，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：