[发明专利]人脸表情识别方法及人脸表情识别系统

说明书

本申请公开了一种人脸表情识别方法，包括：从原始图像中检测出人脸；对检测的人脸进行人脸对齐和特征点定位；从人脸图像中提取出面部特征信息；根据获取的特征数据，进行表情分类，实现人脸表情识别。本申请通过人脸检测、特征点定位、特征提取，表情分类从而进行人脸表情进行最大可能性的预测，保证了表情识别的准确性，具有广泛的应用前景。

技术领域

本申请涉及一种人脸表情识别方法及人脸表情识别系统，属于人脸表情识别技术领域。

背景技术

人的情感的产生是一个很复杂的心理过程，情感的表达也伴随多种表现方式，常被计算机学家用于研究的表达方式主要有三种：表情、语音、动作。在这三种情感表达方式中，表情所贡献的情感比例高达55％，随着人机交互技术的应用日益广泛，在人机交互领域中，人脸表情识别技术具有非常重要的意义。作为模式识别与机器学习领域的主要研究方法之一，己经有大量的人脸表情识别算法被提出。

然而人脸表情识别技术也有其弱点：1、不同的人表情变化：人脸表情会根据不同的人表现方式的区别而产生差异性；2、同一人上下文变化：同一个人的表情在现实生活中的实时性；3、外界的条件，如：背景，光照、角度、距离等对表情识别影响较大。以上这些都会影响到人脸表情识别的准确性。

发明内容

针对现有技术中人脸表情识别不精确，影响到人脸表情识别的准确性的技术问题，本申请目的在于提供一种人脸表情识别方法及系统，可以实现表情的精确识别。

为实现上述目的，本发明提供了一种人脸表情识别方法。

所述人脸表情识别方法，其特征在于，包括：

从原始图像中检测出人脸；

对检测的人脸进行人脸对齐和特征点定位；

从人脸图像中提取出面部特征信息；

根据获取的特征数据，进行表情分类，实现人脸表情识别。

所述人脸检测：即从各种场景的原始图像中检测出人脸的存在，并准确分离出人脸区域。

进一步地，所述从原始图像中检测出人脸包括：

基于局部二进制模式逐行扫描原始图像，得到响应图像；

采用AdaBoost算法对所述响应图像进行人脸检测，检测出人脸的存在；

采用AdaBoost算法进行人眼检测，分离出人脸区域。

可选地，所述采用AdaBoost算法进行检测过程中按照1.25-0.9进行多尺度检测。

进一步地，所述对检测的人脸进行人脸对齐和特征点定位包括：

采用局部约束模型对面部特征点进行标注。

可选地，利用所述局部约束模型对面部特征点进行标注，获取到特征点坐标后，选取体现各类表情之间差异性的区域，提取基于形变的表情特征和基于运动的表情特征的两种类型的特征；

采用递归特征消除及线性向量机做特征评估，对选取的特征进一步进行特征选择。

进一步地，所述从人脸图像中提取出面部特征信息包括：

选取体现各类表情之间差异性的区域，提取基于形变的表情特征和基于运动的表情特征的两种类型的特征；

采用递归特征消除及线性向量机做特征评估，对选取的特征进一步进行特征选择。

可选地，所述体现各类表情之间差异性的区域包括眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点。

进一步地，所述从人脸图像中提取出面部特征信息还包括：对提取的面部特征信息进行特征选择，获取面部特征子集，保存面部特征信息，用于表情识别。