[发明专利]光照和头部姿态鲁棒的表情识别方法、设备及存储介质

权利要求书

1.一种光照和头部姿态鲁棒的表情识别方法，其特征在于，包括：

获取待识别的人脸图像，并对获取的人脸图像进行预处理，以将所获取的人脸图像的光照分布自适应调整至符合预设均匀度要求的分布；

从预处理后的人脸图像中提取出面部区域图像和预设类型的关键点；

基于得到的预设类型的关键点，获取预设区域的纹理和边缘特征向量；基于得到的预设类型的关键点，获取人物头部姿态偏转方向，根据人物头部姿态偏转方向的不同，采取不同的姿态微调方式对面部区域图像进行头部姿态校正；

通过预设的双通道卷积神经网络，根据校正后的面部区域图像，对人物表情进行识别；其中，所述双通道卷积神经网络的第一维度输入数据为校正后的面部区域图像，第二维度输入数据为所述预设区域的纹理和边缘特征向量。

2.如权利要求1所述的光照和头部姿态鲁棒的表情识别方法，其特征在于，所述对获取的人脸图像进行预处理，包括：

分别计算人脸图像灰度和亮度平均值，确定非线性校正指数γ值，公式如下：

其中，V_gray为人脸图像的灰度平均值，V_I为人脸图像的亮度平均值；

根据确定的γ值，采用非线性伽马校正方法，校正人脸图像光照分布。

3.如权利要求2所述的光照和头部姿态鲁棒的表情识别方法，其特征在于，在对人脸图像光照分布校正后，所述对获取的人脸图像进行预处理，还包括：

将校正光照分布后的人脸图像转换为单通道灰度图。

4.如权利要求1所述的光照和头部姿态鲁棒的表情识别方法，其特征在于，所述从预处理后的人脸图像中提取出面部区域图像和预设类型的关键点，包括：

采用多任务卷积神经网络从预处理后的人脸图像中提取出面部区域图像，并从所提取的面部区域图像中提取出多个预设类型的关键点。

5.如权利要求1所述的光照和头部姿态鲁棒的表情识别方法，其特征在于，所述预设类型的关键点包括眉毛、眼睛和嘴巴的关键点；所述基于得到的预设类型的关键点，获取预设区域的纹理和边缘特征向量，包括：

利用凸包算法将面部区域图像中的眉毛、眼睛和嘴巴的区域分别裁剪出来作为感兴趣区域；

利用局部二值模式算子分别提取眉毛、眼睛和嘴巴对应的感兴趣区域的纹理特征，并将每一感兴趣区域的纹理特征统计成直方图特征向量；

将各感兴趣区域的直方图特征向量整合，得到所述纹理和边缘特征向量。

6.如权利要求5所述的光照和头部姿态鲁棒的表情识别方法，其特征在于，所述二值模式算子为等价模式二值模式算子。