[发明专利]人脸表情识别方法、装置及计算机可读存储介质

说明书

本发明提出的人脸表情识别方法、装置及计算机可读存储介质，方法包括采集人脸表情图像，对采集到的图片分别进行编号；对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；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；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。本发明提供的方法能够快速捕捉微表情变化并实现表情分类，无需大量人工标引，实施起来简便且精确度高，增强了识别的可靠性和识别的效率。

技术领域

本发明涉及计算机图像处理技术领域，尤其涉及一种人脸表情识别方法、装置及计算机可读存储介质。

背景技术

人脸表情识别是计算机视觉研究和生物识别的重要组成。它主要是研究通过向计算机传递含有人脸的图像或视频来使计算机可以自动、高效地识别人脸蕴含的情绪，这在人机智能交互、游戏娱乐、公众安全等领域有着广泛应用。人脸表情识别的研究内容主要包括图像获取、图像预处理、特征提取和分类识别，这些也是人脸表情识别的过程。其中，特征提取和分类识别尤为关键。

表情特征提取是指从含有面部表情的图像中获取到表情的整体信息和细微局部信息,并以此来表达出相应的情感状态。目前,表情特征提取算法可以分为以下几种基于形状特征的提取方法：

(1)基于形状特征的提取方法,指通过标记在面部表情特征点的几何形状关系来获取情感状态特征信息。面部中的眉毛、眼睛、鼻子、嘴巴能够丰富的表现出表情状态,这些器官会随着不同表情的出现发生形变。通常可以对这些器官进行关键点描述，进而进行特征提取,其特征主要包含器官的位置、尺度和它们之间的比率等等，将这些特征以一组向量的形式来表示一张具有表情的脸。这种特征对内存需求小,但要求提取的特征点要十分准确，需要大量的人工标注数据，训练及预测耗时。

(2)基于纹理特征的提取方法,它是指获取到表情图像中含有情感状态的内在信息,以获得描述面部整体或者局部变化的表情特征。该方法具有计算简单快捷,特征信息较丰富,但易受光照和噪声等其他因素的影响。例如局部二值法,Gabor小波，使得对于表情的识别精度大大降低。

基于上述现有方法中存在的缺陷，实有必要提供一种新的人脸表情识别方法以满足高效、精确的人脸表情识别的需求。

发明内容

本发明提供一种人脸表情识别方法，其主要目的在于提供一种简单且精确度高的方法以取代现有的人脸表情识别方法。

为实现上述目的，本发明还提供一种人脸表情识别方法，该方法包括：

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。

优选的，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。

优选的，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。

优选的，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。