[发明专利]一种微表情识别机器人及其控制方法

权利要求书

1.一种微表情识别机器人，其特征在于，包括：

表情采集器，其采集并确定被测人员的表情图像；

微表情识别器，其与所述表情采集器连接，用于根据所述实时应激表情信息与所述被测人员的表情数据，识别所述被测人员的五官基线数据；

微表情分析器，其与所述微表情识别器连接，并对所述被测人员的五官基线数据进行分类获得微表情识别结果。

2.根据权利要求1所述的微表情识别机器人，其特征在于，所述五官基线数据包括：眼球转动基线数据、眉毛活动基线数据和嘴角活动基线数据。

3.根据权利要求2所述的微表情识别机器人，其特征在于，所述眼球转动的基线数据包括眼球转动的基线方向和基线频率。

4.根据权利要求2所述的微表情识别机器人，其特征在于，所述嘴角活动基线数据包括：嘴角上扬角度和嘴角开合大小数据。

5.一种微表情识别方法，其特征在于，包括：采集被测人员的的五官基线数据，并基于BP神经网络识别出被测人员的微表情，具体包括如下步骤：

步骤一、按照检测周期，测量被测人员的眼球转动基线数据、眉毛活动基线数据和嘴角活动基线数据；

步骤二、确定三层BP神经网络的输入层神经元向量{x₁,x₂,x₃,x₄,x₅,x₆}；其中，x₁为眼球转动的基线方向，x₂为眼球转动的基线频率，x₃为嘴角上扬角度，x₄为被测人员嘴角开合大小，x₅为眉毛活动基线方向，x₆为眉毛活动基线频率；

步骤三、所述输入层向量映射到隐层，隐层的神经元为m个；

步骤四、得到输出层神经元向量o＝{o₁,o₂,o₃}；其中，o₁为眼球状态值，o₂为嘴角状态值，o₃为眉毛状态值。

6.根据权利要求5所述的微表情识别方法，其特征在于，还包括：对眼球状态值、嘴角状态值和眉毛状态值进行归一化，获得被测人员的眼球状态系数、嘴角状态系数和眉毛状态系数；

其中，为被测人员第j项的状态系数，o_j分别为输出参数：，j＝1,2,3；o_jmax和o_jmin分别为相应输出参数中的设定的最大值和最小值。

7.根据权利要求6所述的微表情识别方法，其特征在于，还包括获得被测人员的的微表情综合评价概率：

其中，P为被测人员的的微表情综合评价概率，P₀为使测人员的的微表情综合评价标准值，e为自然对数的底数，为校正系数，为使被测人员的眼球状态系数，为眼球状态系数阈值，为嘴角状态系数，为嘴角状态系数阈值，为眉毛状态系数，为最眉毛状态系数阈值。

8.根据权利要求7所述的微表情识别方法，其特征在于，还包括微表情匹配识别过程，包括：

当P≥90时，判定被测人员微表情为高兴；

当85≤P＜90时，判定被测人员微表情为惊讶；

当75≤P＜85时，判定被测人员微表情为悲伤；

当65≤P＜75时，判定被测人员微表情为恐惧；

当55≤P＜65时，判定被测人员微表情为愤怒；

当45≤P＜55时，判定被测人员微表情为厌恶。

9.根据权利要求5-8中任意一项所述的微表情识别方法，其特征在于，所述隐层的神经元为5个；所述隐层及所述输出层的激励函数均采用S型函数f_j(x)＝1/(1+e^-x)。