[发明专利]一种基于视觉的面部情绪监测分析系统及其分析方法

权利要求书

1.一种基于视觉的面部情绪监测分析方法，其特征在于，包括以下步骤：

图像的预处理：获取含有人员面部的环境图像，基于算法对所述环境图像进行增强处理，得到均一化的输出图像；

面部区域的提取：将所述输出图像输入至多层网络级联中，获取置信度最高的区域为最终的面部区域；

面部情绪的识别：对所述面部区域进行不同尺度的缩放，生成关于同一面部区域的多个不同分辨率的中间图像；将所述中间图像输入至改进的AlexNet网络中，从不同尺度识别面部情绪。

2.根据权利要求1所述的一种基于视觉的面部情绪监测分析方法，其特征在于，还包括以下步骤：

创建特征空间，获取输出图像或者面部区域中的特征标签集，对所述特征标签集中的每个标签元素输入预先生成的锚框，并将对应标签元素的人员面部和背景分别标记为正、负样本；

通过函数计算，使得同一标签元素的锚框与负样本之间的距离为最远，与正样本之间的距离为最近。

3.根据权利要求1所述的一种基于视觉的面部情绪监测分析方法，其特征在于，所述图像的预处理具体包括以下流程：

步骤101、设环境图像I_i(x，y)，设定响应三个不同尺度的围绕函数，所述围绕函数的比例保持在3∶16∶50；

步骤102、对环境图像I_i(x，y)的R、G、B维度分别按照所述围绕函数进行高斯模糊G_i(x，y)，得到模糊后的入射图像L_i(x，y)，其中i表示尺度数，计算公式如下：

L_i(x，y)＝I(x，y)*G_i(x，y)

步骤103、对于每个尺度下的图像做以下处理：

Log[R(x，y)]＝Weight(i)*(Log[I_i(x，y)]-Log[L_i(x，y)])

其中，R(x，y)表示期望获得的反射图像，Weight(i)表示尺度数为i所对应的权重，其中所有的权重之和为1；

步骤104、将获得的Log[R(x，y)]进行反对数运算，再将R、G、B三个维度增强后的R(x，y)进行融合，得到输出图像。

4.根据权利要求1所述的一种基于视觉的面部情绪监测分析方法，其特征在于，所述面部区域的提取具体包括以下步骤：

基于现有的卷积神经网络网络骨架中三个级联网络的卷积层深度降低并调整相应特征提取卷积层的相关参数得到改进后的P-Net、R-Net、O-Net级联网络；将输出图像依次经过所述改进后的P-Net、R-Net、O-Net级联网络，获取置信度最高的面部识别区域；

于O-Net层中引入Dropout层，所述Dropout层的比例参数设定为0.4。

5.根据权利要求1所述的一种基于视觉的面部情绪监测分析方法，其特征在于，所述面部情绪的提取具体包括以下步骤：

将具有最高级别分辨率的面部区域放在底部，以金字塔形状排列，从底部至顶部依次经过高斯核卷积和金字塔扩展式卷积，直至金字塔的顶部仅包含最小像素点的图像。

6.根据权利要求5所述的一种基于视觉的面部情绪监测分析方法，其特征在于，所述金字塔扩展式卷积公式如下：

式中，j，k表示高斯卷积核的尺寸；

所述高斯卷积核参数取值为：

7.根据权利要求2所述的一种基于视觉的面部情绪监测分析方法，其特征在于，

采用以下公式计算目标函数：

式中：表示的是正样本与锚框之间的欧氏距离度量，表示的是负样本和锚框之间的欧氏距离度量，margin为x^a与xⁿ之间的距离和x^a与x^p之间的距离的最小间隔，公式表现如下：

其中，锚框、正样本和负样本的特征表达满足

则，目标函数的梯度求解过程如下：

式中N为整个模型训练集的大小。