[发明专利]表情相似度度量方法及装置

说明书

技术领域

本发明涉及人机交互技术领域，更具体的，涉及一种表情相似度度量方法及装置。

背景技术

随着人机交互的深入和快速发展，面部表情分析成为情感计算当前研究的热点。随着表演驱动在游戏、电影等中广泛应用，近些年研究者们探索各种寻找相似表情的方法以合成高度逼真和自然的表情动画。Ira Kemelmacher-Shlizerman等采用LBP提取与表情密切相关的眼睛、嘴巴区域的纹理特征，并用卡方距离衡量相似度以实现不同人间表情映射，能够较好的提取局部特征但在刻画微小变化的表情细节时具有瑕疵。Abhina等引入结构相似性理论并将结构相似度(Structural SIMilarity，SSIM)指数作为表情距离度量方式，通过最近邻(Nearest Neighbor，NN)方法寻找最相似图像，该方法较好的保持了各种表情的形变信息，但其局部细节的描述能力弱，在寻找复杂细节的表情图像时表现欠佳。

因此，现有技术中存在着刻画表情细微变化和局部细节能力弱的问题。

发明内容

本发明公开一种表情相似度度量方法及装置，用于解决现有技术中存在的刻画表情细微变化和局部细节能力弱的问题。

为实现上述目的，根据本发明的第一方面，提供一种表情相似度度量方法，并采用如下技术方案：

表情相似度度量方法，包括：利用链码编码获取目标面部区域内的特征点的形状信息；度量所述目标面部区域内同一区域内的不相邻的特征点以及所述目标面部区域内的不同区域间特征点获取形变信息；对两个目标面部区域内的所述形状信息和所述形变信息进行加权处理，得到所述两个目标面部区域的表情相似距离；以及根据所述表情相似距离获取所述两个目标面部区域的表情相似度度量结果。

进一步地，所述利用链码编码获取目标面部区域内的特征点的形状信息包括：用顺序连接的具有指定长度和方向的线段描述所述目标面部区域内的区域形状；计算所述线段的每一条线段与水平方向的夹角；根据所述夹角及单位角度对所述区域形状中的特征点进行链码编码，得到链码编码值；对所述链码编码值进行一次差分和非负处理，得到一处理结果；根据所述处理结果组成链码编码向量，得到所述形状信息。

进一步地，所述度量所述目标面部区域内同一区域内的不相邻的特征点以及所述目标面部区域内的不同区域间特征点获取形变信息包括：确定第一预设值个需要进行获取的形变信息的数量；根据所述目标面部区域中的表情区域的开合幅度、收缩程度以及不同表情区域间的几何信息计算形变信息。

进一步地，所述对两个目标面部区域内的所述形状信息和所述形变信息进行加权处理，得到所述两个目标面部区域的表情相似距离包括：

获取表情图像I和表情图像T的几何特征为

I＝(L^I，D^I)，T＝(L^T，D^T)；

L代表图像的形状信息，D代表图像的形变信息，和为所述表情图像I和所述表情图像T的所述形状信息，和为所述表情图像I和所述表情图像T的所述形变信息，p表示表情区域数目，q表示需要度量的形变信息数目。

采用卡方距离公式计算所述表情图像I和所述表情图像T的所述表情相似距离

其中，α，β分别为所述表情相似距离中所述形状信息和所述形变信息的加权因子，满足α+β＝1；

对所述表情图像I和所述表情图像T的特征点加入权重系数w_i，则将式(1)修改为：

其中，

式(2)统一简化为

其中，S(I，T)为所述表情图像I和所述表情图像T的所述表情相似距离。为第i个特征的相似距离，w_i(1≤i≤p+q)为第i个特征的权重系数。

进一步地，确定所述权重系数w_i包括：

筛选第二预设值组数N的相似表情图像(I_n，T_n)作为训练集，所述权重系数w_i的求解过程转化为最小化式(3)目标函数J_w：

记则由于其与具有相同的极值点，因此利用拉格朗日条件极值法可得式(5)：

对式(5)中的w_i和λ分别求偏导数，并令这两个偏导数等于0，可得

求解式(6)方程组可得所述权重系数w_i的值：