[发明专利]一种适用于医疗护理的表情识别方法

说明书

技术领域

本发明涉及一种图像处理技术，特别是一种适用于医疗护理的表情识别方法。

背景技术

人脸表情识别技术在近年来随着一些相关领域的飞速发展如机器学习，图像处理，成为了一个热点发展的技术。人脸表情识别系统的影响和潜力同时推广到广大的应用场合中，如人机交互，智能机器人，驾驶员状态监督等等。人脸表情识别系统是计算机理解人们情感的前提，也是人们探索智能、理解智能的有效途径。如何实现计算机的拟人化，使其能根据周围的环境以及对象的状态等内容，自适应地为交流对象提供最友好的操作环境，己经成为下一代人机界面发展的目标，是智能机器人走进人们日常生活必须解决的问题，对建立多信息智能化人机交互系统有着重要意义。同时，随着我国人口老龄趋势加剧，医疗护理产业迎来飞速发展，在医护产业智能化发展的路上，对老年残障人士的表情识别，特别是消极情绪的识别在实际应用中具有重要的意义。

人脸表情识别技术一般包括三部分内容：(1)人脸检测；(2)人脸表情特征的提取；(3)表情特征的分类。其中人脸表情特征提取是整个系统中最为核心的步骤，特征提取直接影响到识别的精度、鲁棒性和实时性。常见的人脸特征提取的方法包括：基于几何特征，表观特征，动态特征的方法。整体来说，人脸表情识别虽然经过多年的发展，精确提取出表情特征从而进行强鲁棒性人脸表情的识别仍就是一个亟需解决的技术难题，同时进行表情自动识别的准确性和实时性仍然有待提升。

发明内容

本发明的目的在于提供一种适用于医疗护理的表情识别方法，包括以下步骤：

步骤1，利用训练图像建立主动形状模型；

步骤2，将测试图像输入到主动形状模型中并搜索人脸特征点；

步骤3，提取包括角度信息和距离信息的情绪向量特征，将人脸特征点代入情绪向量特征中，并将情绪向量特征的信息输入至SVM分类器中进行投票，得票最多的类为所属的类。

采用上述方法，步骤1具体包括：

步骤1.1，获取N张训练图像并在训练图像上标注n个标注点且用X表示平面形状

X＝[x₁,x₂,...x_j...x_n,y₁,y₂,...y_j...y_n]^T(1)

其中，(x_j,y_j)为第j个标注点的坐标；

步骤1.2，获取训练图像的平均形状

步骤1.3，获取平均形状的协方差矩阵的特征向量

步骤1.4，将特征向量中应特征值从大到小排列且从中选取前q个特征向量组成矩阵Φ_s

Φ_s＝[Φ₁,...Φ_j,...Φ_q](4)

步骤1.5，获取主动形状模型Y_s

其中，b_s是形状模型的参数集。

采用上述方法，中将测试图像输入到主动形状模型中按以下步骤搜索人脸特征点：

步骤2.1，令i＝0，用平均形状作为初始化形状X_i；

步骤2.2，对当前形状，对于每个标注点计算马氏距离，选择最小距离的点作为该标注点的新位置(x_j',y_j')；

步骤2.3，调整参数t_x、t_y、θ、s、b_s，使(x_j',y_j')与匹配，(t_x,t_y)为图像平移距离，θ为图像旋转角度，s为图像缩放尺寸，b_s为形状模型的参数集，M表示调整的过程，M^-1为M的反变换；

步骤2.4，令若X_i＝X_i+1，则退出；否则，i＝i+1，转步骤2.2。

采用上述方法，步骤3中角度信息为三个人脸特征点所构成三角形的夹角，若该三角形的夹角在一表情所对应的夹角范围内，则该夹角对应的表情则落入该夹角范围所对应的表情内；步骤3中距离信息为两个人脸特征点之间的距离，若该距离在一表情所对应的距离范围内，则该距离对应的表情则落入该距离范围所对应的表情内。