[发明专利]人脸表情识别方法、装置及计算机可读存储介质

权利要求书

1.一种人脸表情识别方法，其特征在于，所述方法包括：

步骤S1：采集人脸表情图像，对采集到的图片分别进行编号；

步骤S2：对步骤S1采集的人脸表情图像进行预处理和标准化处理，根据编号排列得到图像组；

步骤S3：根据处理得到的图像组进行人脸检测和人脸关键点提取，并根据提取的关键点，构建样本的特征向量集；

步骤S4：将人脸关键点所对应特征向量集放入机器学习算法SVM进行表情分类识别。

2.如权利要求1所述的人脸表情识别方法，其特征在于，所述步骤S3中，所述人脸关键点提取的方法是基于人脸检测工具dlib分别得出每个图像的68个人脸关键点。

3.如权利要求2所述的人脸表情识别方法，其特征在于，所述步骤S3包括：

步骤S31：通过图像金字塔和滑动窗口检测对预处理后的图像进行人脸检测，定位人脸的位置；

步骤S32：通过人脸检测工具dlib得到68个人脸关键点；

步骤S33：以68个人脸关键点构建样本的特征向量集。

4.如权利要求3所述的人脸表情识别方法，其特征在于，所述步骤S33具体为：将68个点的x、y轴各自的均值制造一个标称点，这个标称点与其他的68个关键点构成了具有方向和大小的68个矢量，以这68个矢量作为该样本的表情特征向量集。

5.如权利要求3所述的人脸表情识别方法，其特征在于，该方法还包括步骤：根据得到样本的表情特征向量集构建特征矩阵A＝[A1，A2，...Ak]∈Rm×n，m是特征维数，n是样本总数，A1，A2，...Ak为样本的k个表情特征向量集。

6.如权利要求1所述的人脸表情识别方法，其特征在于，所述步骤S4包括：

步骤S41：将步骤S3获取的人脸表情的特征向量集分别输入到训练样本中，循环N次后，设定SVM核函数的参数；

步骤S42：设定训练样本权重，选取不同i值计算训练样本权重，通过输入SVM核函数的参数训练出SVM弱分类器；

步骤S43：针对SVM弱分类器计算的训练结果进行修正，重置权重并再次循环，使用改进人工蜂群优化算法对支持向量机的惩罚因子和核函数参数进行动态调整，输出最优参数，利用最优参数建立表情分类的模型；

步骤S44：将所述人脸关键点所对应特征向量集输入所述表情分类模型实现表情识别。

7.如权利要求6所述的人脸表情识别方法，其特征在于，所述步骤S42设定训练样本权重为：初始化样本权重为1/N，通过训练样本权重训练一个基于所述SVM核函数参数的SVM弱分类器。

8.如权利要求1所述的人脸表情识别方法，其特征在于，所述步骤S2包括：对采集的整张人脸表情图像进行灰度化、直方图均衡化，得到图像组。

9.一种人脸表情识别装置，包括存储器和处理器，其特征在于，所述存储器上存储有可在所述处理器上运行的人脸识别程序，所述人脸识别程序被所述处理器执行时实现如下步骤：

步骤S1：采集人脸表情图像，对采集到的图片分别进行编号；

步骤S2：对步骤S1采集的人脸表情图像进行预处理和标准化处理，根据编号排列得到图像组；

步骤S3：根据处理得到的图像组进行人脸检测和人脸关键点提取，并根据提取的关键点，构建样本的特征向量集；

步骤S4：将人脸关键点所对应特征向量集放入机器学习算法SVM进行表情分类识别。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有人脸识别程序，所述人脸识别程序可被一个或者多个处理器执行，以实现如权利要求1至8中任一项所述的人脸表情识别方法的步骤。