[发明专利]一种基于机器视觉的微表情检测系统

说明书

本发明公开了一种基于机器视觉的微表情检测系统,属于图像识别技术领域，解决在面部表情识别技术过程中的分类正确率低以及神经网络精度低的问题，提供一种基于机器视觉的微表情检测系统，适用于检测人体面部表情，通过手动方式以及数据库系统收集人脸面部表情数据，在对收集的面部识别表情数据的图像预处理，引入通道卷积神经网络，用于提取图像的判别特征点，将识别出的微表情检测结果通过TCP协议传输到云平台，并形成图像特征库，将对图像收集的面部识别表情数据的图像预处理，其图像的预处理工作包括灰度变换，图像分割，直方图均衡化，等方式开展，进行深层次的图片处理，使图像更加清晰，特征点更加明显。

技术领域

本发明属于图像识别技术领域，具体为一种基于机器视觉的微表情检测系统。

背景技术

现市场有的面部表情识别技术，大多数是LBP分区结合IWO-ELM的表情识别方法进行自动分类。设计了图像采集装置,并对采集到的图片进行了预处理操作.其次,进行人脸识别与特征提取.在Ada Boost人脸检测器的基础上,结合Open CV函数库实现人脸识别与特征点定位.通过分析几种典型的表情特征提取算法,采用LBP分区算法作为本文特征提取的方法.最后,进行特征分类.建立ELM分类模型,并对分类模型进行IWO优化.利用训练样本进行训练,构造出每一类的表情模型,用测试样本进行预测和估计，其分类正确率以及优化精度较低，一般只有74.91％左右，分类正确率低、神经网络精度低。

发明内容

本发明的目的在于提供一种，解决在面部表情识别技术过程中的分类正确率低、神经网络精度低的问题。

本发明采用的技术方案如下：

一种基于机器视觉的微表情检测系统，适用于检测人体面部表情，该方法包括以下步骤：

S1：收集人脸面部表情数据，通过手动方式以及数据库系统收集人脸面部表情数据；

S2：对收集的面部识别表情数据的图像预处理；

S3：引入通道卷积神经网络，用于提取图像的判别特征点；

S4：将识别出的微表情检测结果通过TCP协议传输到云平台，形成图像特征库。

进一步的，预处理包括：

灰度变换，用于扩大图像的动态范围，扩展其对比度；

图像分割，将图像分为若干个特定的，具有独特性质的区域，然后再从这些区域中将目标区域的特征提取出来；

直方图均衡化，改变图像中各像素的灰度，来增强动态范围偏小的图像对比度，将图像中像素个数多的灰度值进行展宽，将像素个数少的灰度值进行归并。

进一步的，采用NLE-AI800的CNN算法物体识别图像信息进行预处理，分割法提取图像特征。

进一步的，S4的步骤中的云平台采用新大陆嵌入式AIOT核心平台。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

1.以手动方式例如摄像设备或通过选择现有的日本JAFFE表情库,CASME表情库采集现实场景的人脸表情图像，作为前期的图像信息采集工作，在将采集到的图像信息对其面部识别表情的图像预处理，其图像的预处理工作包括灰度变换，图像分割，直方图均衡化，等方式开展，进行深层次的分层处理，使图像更加清晰，特征点更加明显。

2.以现有搭建CNN网络为基础提取图像特征信息基础上，设计多通道卷积卷织神经网络，多层次对图像体征点提取，实现将全局平均池化以及批量归一化，利用人脸表情图像来训练和测试改进之后的CNN网络,最终测试的数据集的精度为88.15％,相比于改进前的网络,精度提高了13.24％,说明了基于改进的CNN网络的人脸表情识别的性能有了大幅提高。