[发明专利]一种识别猕猴面部表情的方法

说明书

本发明公开一种识别猕猴面部表情的方法，包括如下步骤：构建猕猴面部图像样本集，所述猕猴面部图像样本集包括多种不同的猕猴表情；将所述猕猴面部图像样本集划分为训练集、验证集和测试集三个部分；计算训练集中所有猕猴面部图像的通道均值；构建、训练、验证和测试猕猴面部表情分类模型；基于完成训练的猕猴面部表情分类模型提取猕猴正面图像的表情属性。本发明通过对静态猕猴面部图像样本集建立猕猴面部表情分类模型，达到识别猕猴图像表情的目的，同时提高了识别猕猴表情的速度与效率。

技术领域

本发明属于图像处理及分析技术领域，特别涉及一种识别猕猴面部表情的方法。

背景技术

从灵长类行为学角度和认知科学角度来说，猕猴有4种基本的面部表情：中性、臣服、恐惧和恐吓。这与同为灵长类的人类的面部表情有非常大的区别，例如人类有7种基本面部表情：厌恶、愤怒、恐惧、高兴、悲伤以及惊奇。对于非研究猕猴行为学特征的专业人士，识别猕猴的面部表情是困难的。而传统靠肉眼辨别猕猴面部表情的方法对于专业人士来说也耗时且低效。因此，准确、高效地识别猕猴面部表情在了解灵长类动物的活动和社会学特征以及开展灵长类的行为学研究中越来越重要。尽管目前已经有很多用于识别人类面部表情的方法和系统，但是目前还没有一套专门用于识别猕猴个体表情的人工智能识别系统。

近年来，基于深度学习的机器学习模型发展迅速，深度学习机器学习模型通过在海量数据上对图像特征进行迭代训练，提取到图像中用于区分不同类型物体的属性特征，可以达到非常好的分类和识别效果。深度神经网络在物体分类、人脸识别上已经表现出了非常优越的性能。而到目前为止，还没有基于深度神经网络来对猕猴表情进行识别的方法可以应用。

发明内容

为此，本发明提供了一种识别猕猴面部表情的方法，通过对静态猕猴面部图像样本集建立人脸表情分类模型，达到识别猕猴图像表情的目的，同时提高了识别猕猴表情的速度与效率。

本发明提供了一种识别猕猴面部表情的方法，包括如下步骤：

S1：构建猕猴面部图像样本集，所述猕猴面部图像样本集包括多种不同的猕猴表情；

S2：将所述猕猴面部图像样本集划分为训练集、验证集和测试集三个部分，保证三个部分的图像互不包含，且不同部分不含有相同猕猴个体的图像；

S3：计算训练集中所有猕猴面部图像的通道均值；

S4：首先将训练集、验证集和测试集按照猕猴表情分类，然后基于VGGFace模型构建猕猴面部表情分类模型，之后将所构建的猕猴面部表情分类模型在训练集上进行微调，并在验证集上进行验证，完成训练后，选择在验证集上获得猕猴面部表情验证正确率最高的猕猴面部表情分类模型，在测试集上进行测试，得到猕猴面部表情分类正确率；

S5：对于给定的猕猴面部图像，先对其减去步骤S3中计算的通道均值，再将其输入完成训练的猕猴面部表情分类模型，得到猕猴面部图像的表情属性。

进一步，步骤S1中，所述猕猴面部图像样本集包括四种不同的猕猴面部表情：中性、臣服、恐惧和恐吓。

进一步，步骤S1还包括使用图像处理软件对每一幅猕猴面部图像进行编辑和处理，以保证这些猕猴面部图像之间的低层次视觉信息一致。

进一步，所述低层次视觉信息包括图像背景、猕猴毛发、猕猴肤色以及图像明暗。

进一步，步骤S4包括如下子步骤：

S41:基于VGGFace模型构建猕猴面部表情分类模型，所述猕猴面部表情分类模型复制了VGGFace模型上除了分类块外的所有模型设计及其参数，并具有一个表情分类块，所述表情分类块包含一个flatten层和三个全连接层，其中最后一个全连接层的输出大小与猕猴面部表情的种类数对应，初始化所述表情分类块的参数；