[发明专利]基于改进弹性模块匹配算法的人脸表情识别方法在审

专利信息
申请号: 202011302834.X 申请日: 2020-11-19
公开(公告)号: CN112381018A 公开(公告)日: 2021-02-19
发明(设计)人: 沈灿 申请(专利权)人: 北京影谱科技股份有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 北京万思博知识产权代理有限公司 11694 代理人: 姜楠楠
地址: 100000 北京市朝阳区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 改进 弹性 模块 匹配 算法 表情 识别 方法
【权利要求书】:

1.一种基于改进弹性模块匹配算法的人脸表情识别方法,其特征在于,采用非均匀网格对表情图像数据集进行训练得到针对表情变化关键点特征信息的表情特征数据集,通过求取所述表情特征数据集中模板特征图与待识别图像的最小代价函数,以最小代价函数的模板特征图所对应的模式确定为所述待识别图像的模式类别。

2.根据权利要求1所述的基于改进弹性模块匹配算法的人脸表情识别方法,其特征在于,通过求取所述表情特征数据集中模板特征图与待识别图像的最小代价函数的过程是对模板特征图采用弹性网格的节点在待识别图像上做局部移动进行相似性测试、进而求取最大相似性的过程。

3.根据权利要求2所述的基于改进弹性模块匹配算法的人脸表情识别方法,其特征在于,模板特征图采用弹性网格的节点在待识别图像上的代价函数为:

其中,N为弹性网格中的节点总数,μ为控制弹性网格变形的弹性参数,vi为弹性网格的节点,p’i,p分别为待识别图像的Gabor小波分解和模板Gabor网格的幅值,相似度s(p’i,pi)用距离函数来度量,D(vi)为弹性网格的变形量。

4.根据权利要求3所述的基于改进弹性模块匹配算法的人脸表情识别方法,其特征在于,所述相似度s(p’i,pi)的计算公式如下:

5.根据权利要求2至4中任一项所述的基于改进弹性模块匹配算法的人脸表情识别方法,其特征在于,所述弹性网格采用的是模板Gabor网格,模板Gabor网格的节点的Gabor小波分解的幅值在网格变形过程中保持不变,改变的仅仅是模型Gabor网格的几何形状,即在模板Gabor网格与待识别图像匹配过程中,弹性网格的节点位置随着模型Gabor网格与图像Gabor小波分解的进一步匹配而改变。

6.根据权利要求5所述的基于改进弹性模块匹配算法的人脸表情识别方法,其特征在于,在求取所述表情特征数据集中模板特征图与待识别图像的最小代价函数的过程中,依次改变模板特征图中各个节点的位置,在待识别图像中检测出对应位置的Gabor变换特征向量,进而计算出整个待识别图像所构成的网格连接系统所对应的代价函数。

7.根据权利要求6所述的基于改进弹性模块匹配算法的人脸表情识别方法,其特征在于,在改变模板特征图中的节点位置时,保持各个节点在变形的同时仍保持相对位置关系。

8.根据权利要求6所述的基于改进弹性模块匹配算法的人脸表情识别方法,其特征在于,在改变模板特征图中的节点位置时,节点处于在不同方向移动测试的状态,在移动测试过程中比较移动前后的代价函数值,当新的代价函数值大于在先的代价函数值时,说明计算发散,抛弃当前点,更换搜索方向当新的代价函数值小于在先的代价函数值时,说明计算收敛,接受该点;

当该点变形量超过搜索步长时,则停止变形,开始下一个节点的匹配,重复上述搜索路径,改变模板特征图中节点的位置,直到对表情特征数据集中每一个模板特征图计算出一个最小代价函数值。

9.根据权利要求1所述的基于改进弹性模块匹配算法的人脸表情识别方法,其特征在于,以最小代价函数的模板特征图所对应的模式确定为所述待识别图像的模式类别时,是将所述待识别图像与表情模板库中的所有模板特征图进行弹性模板匹配,对所求得的所有代价函数值排序,以其中最小的代价函数所对应的模式为所述待识别图像所属的模式类别。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京影谱科技股份有限公司,未经北京影谱科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011302834.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code