[发明专利]表情识别方法及装置

说明书

本发明涉及图像处理技术领域，具体涉及一种表情识别方法及装置，该方法包括获取人脸图像，在人脸图像上标定预定数量的特征点得到特征图像，根据所述特征图像确定局部几何特征，同时对人脸图像提取全局纹理特征和深度特征，进而将局部几何特征、全局纹理特征以及深度特征进行级联融合得到融合特征，最后将融合特征输入分类器进行分类得到融合特征对应的表情。由此可见，本发明实施例提供的方案为对人脸图像通过提取局部几何特征以及全局特征(如纹理特征和深度特征)，并对三种特征进行融合后进行表情识别，由于其获取了全面的表情特征，故其表情特征的识别准确率更高，更符合实际应用。

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种表情识别方法及装置。

背景技术

情绪作为一种主观认知体验，不仅会对记忆、感知、思维等等认知活动产生影响，也能够调节学习的动机和行为。学生在学习过程中的情感状态可以对整体学习结果产生积极或消极影响，认识并解决这些问题对改善学生学习至关重要。然而，在传统的课堂教学中通常只有一位教师管理多名学生，教师很难时时关注每一名学生的情感状态并作出反馈。因此，利用技术在传统课堂中辅助教师及时捕获学生情感状态，并给予相应反馈是十分有必要的。

目前，“人工智能+教育”的研究如火如荼，将人工智能技术与教育进行深度融合能够获得更全面的学习数据，为学生的学和教师的教提供更优质的服务。心理学研究指出，人的情感表达55％是通过面部表情表现出来的。由此可见，通过识别面部表情能够判断人的情感状态。利用表情识别技术获取学生的课堂学习中的表情，能够判断和记录学生的学习情绪状态，辅助教师给与学生个别指导和反馈。随着表情识别率的不断提升和算法研究的深入，也为表情识别应用于课堂教学提供了技术支持。但是针对学习表情的识别相较于基本表情有一定的难度，主要原因在于学习过程中产生的表情大多比较细微，区分度小；并且目前没有标准的自发学习表情数据库来支持表情识别算法的测试研究。因此，本文基于学习表情的特点，录制自发学习表情数据库，对学习表情的识别进行了研究。

发明内容

本发明的目的在于提供一种表情识别方法，以获取更为全面的表情特征，提高表情识别的准确性。

本发明的另一目的在于提供一种表情识别装置，以获取更为全面的表情特征，提高表情识别的准确性。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种表情识别方法，所述方法包括：获取人脸图像；在所述人脸图像上标定预定数量的特征点得到特征图像；根据所述特征图像确定局部几何特征；对所述人脸图像提取全局纹理特征；对所述人脸图像提取深度特征；将所述局部几何特征、全局纹理特征以及深度特征进行级联融合得到融合特征；将所述融合特征输入训练好的分类器得到所述融合特征对应的表情。

第二方面，本发明实施例还提供了一种表情识别装置，所述装置包括：获取模块，用于获取人脸图像；标定模块，用于在所述人脸图像上标定预定数量的特征点得到特征图像；确定模块，用于根据所述特征图像确定局部几何特征；第一提取模块，用于对所述人脸图像提取全局纹理特征；第二提取模块，用于对所述人脸图像提取深度特征；融合模块，用于将所述局部几何特征、全局纹理特征以及深度特征进行级联融合得到融合特征；分类模块，用于将所述融合特征输入分类器中进行分类得到所述融合特征对应的表情。

本发明实施例提供的一种表情识别方法及装置，该方法包括获取人脸图像，在人脸图像上标定预定数量的特征点得到特征图像，根据所述特征图像确定局部几何特征，同时对人脸图像提取目的纹理特征和深度特征，进而将局部几何特征、全局纹理特征以及深度特征进行级联融合得到融合特征，最后将融合特征输入分类器中得到融合特征对应的表情。由此可见，本发明实施例提供的方案为对人脸图像通过提取局部几何特征以及全局特征(如纹理特征和深度特征)，并对三种特征进行融合后进行表情识别，由于其获取了全面的表情特征，故其表情特征的识别准确率更高，更符合实际应用。