[发明专利]一种人脸表情图像的增强识别方法

说明书

本发明公开了一种人脸表情图像的增强识别方法，包括以下步骤：1)利用基于Haar特征的Adaboost级联检测器进行人脸定位，框出人脸部分并裁剪，对裁剪后的图像进行图像预处理后保存图像；2)利用回归模型中的级联回归树算法建立人脸表观到人脸形状之间的映射关系，并提取面部特征点；3)利用人脸面部表情表征模型计算相应欧氏距离，得到表征人脸表情特征的六元数组；4)利用随机森林算法训练分类模型，将六元数组输入到训练好的模型中实现分类识别。本发明能够在识别标准姿态人脸表情图像的基础上，较好地识别有一定头部偏转的人脸表情图像，识别效率较高，运行速度较快，满足实际应用需求，更加适用于实际场景。

技术领域

本发明涉及计算机视觉和模式识别技术领域，具体涉及一种人脸表情图像的增强识别方法。

背景技术

人脸表情识别技术是通过提取图片或视频中特定的表情图像来分析人物的特定心情，以期更好的进行人机交互。鉴于其具有高信息度的特点，人脸表情识别在心理分析、临床医学、安全驾驶、刑侦破案等方面都有着重要的作用。现阶段的人脸表情识别主要针对的是标准姿态下也即正面人脸表情，但通常情况下，人们在做出表情时往往会不自觉的产生一定的头部偏转，并且实际应用中可能会面临很多复杂情况，因此其识别效果往往不能满足预期需要。

目前对有头部偏转的人脸表情识别的尝试可总结为以下三类：基于人脸关键点的方法、基于外貌的方法和基于姿态的方法。基于人脸关键点的方法主要是依靠几何模型定位关键点再进行识别，需要大量标记关键点的样本，且关键点自动标记的难度较大(何俊,何忠文,蔡建峰,房灵芝.一种新的偏转角度人脸表情识别方法[J].计算机应用研究,2018,35(01):282-286.)；基于外貌的方法是获取不同姿态下人脸局部或全局的表情特征，降低图像中与表情无关因素的干扰，回避了关键点提取难的问题，但识别效果一般(王晨星,梁宇.一种新的表情识别方法[J].电子技术与软件工程,2018(06):67.)；基于姿态的方法可分为两种，一种是将表情库按人脸不同姿态分组，分组训练识别分类；另一种是建立非正面人脸与正面人脸样本间的关系，将非正面人脸映射成正面人脸，然后对正面人脸进行分类识别(郑文明,冯天从.基于姿态归一化的非正面人脸表情识别方法[P].江苏：CN103400105A,2013-11-20.)，这一方法的效果不错，但是由于算法复杂，运算较慢，不适于实际应用。

发明内容

本发明针对上述问题，提出了一种人脸表情的增强识别方法。此方法采用回归模型进行特征提取，能够准确提取偏转角度下的人脸表情特征，同时结合集成学习的方式，有效地提高了方法的实用性。本发明的人脸表情识别方法不仅可以识别标准姿态下的人脸表情图像，对于有一定头部偏转的人脸表情图像也有较好的识别效果，并且采用集成学习的方式降低算法复杂度，提高运算速度，更加适用于实际场景。

本发明至少通过如下技术方案之一实现。

一种人脸表情图像的增强识别方法，所述人脸表情识别方法包括下列步骤：

1)利用基于Haar特征的Adaboost级联检测器进行人脸定位，框出人脸部分并裁剪，对裁剪后的图像进行图像预处理后保存图像；

2)利用回归模型建立人脸表观到人脸形状之间的映射关系，实现人脸对齐，并提取面部人脸特征点，确定人脸特征点；

3)计算人脸特征点相应的欧氏距离，得到表征人脸表情特征的六元数组；

4)所述六元数组输入到训练好的分类模型中实现分类识别。

优选的，步骤1)中，利用基于Haar特征的Adaboost级联检测器进行人脸定位，具体包括：