[发明专利]一种基于人脸图像的情感健康监控方法及系统

说明书

本发明公开了一种基于人脸图像的情感健康监控方法及系统，包括以下步骤：预先构建面部情感模型；自动采集用户的人脸图像；构造人脸图像的特征向量；利用人脸识别模型完成用户的身份验证，若身份验证不通过，则结束；提取人脸图像各个特征部位的信息；对提取的各个特征信息利用面部情感模型得出6种表情概率；选择融合后最大概率的表情作为识别结果；将识别结果与构建的面部情感模型中的情感类型相对应，进而从表情分类识别过程中获取准确的情感类别信息；根据情感状态，判断用户情感的健康情况，完成情感健康预警。采用本发明的用户通过客户端便能实现对自身情感健康状态的监控，简单、方便、有趣又实用。

技术领域

本发明涉及医疗健康、机器学习和移动互联网技术领域，更具体的说是涉及一种基于人脸图像的情感健康监控方法及系统。

背景技术

情感状态体现了心理的健康状态，目前很多人都面临心理压力，或多或少会出现一些心理情感问题，表现为烦躁，焦虑，抑郁等，需要及时引导，但是这些表现出来的信号，对于心理学知识缺乏的人一般很难觉察，因此借助信息技术，自动监测并提醒是很重要的。人脸表情包含了丰富的情感信息，是我们理解情感的重要途径，因此通过人脸表情分析就可以实现人类的情感状态判别，进而判断人类的情感健康情况，然后预警。

人脸情感识别是计算机视觉中一个重要的课题，有着十分广泛的应用前景，但目前关于通过人脸表情分析来预警情感健康情况的成果还仅仅停留在研究阶段，并没有形成具体的方法和系统，因此，如何提供一种对人类情感健康的自动监控方法和设备是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于人脸图像的情感健康监控方法及系统。

为了实现上述目的，本发明采用如下技术方案：

一种基于人脸图像的情感健康监控方法，包括以下步骤：

(1)预先构建面部情感模型；

(2)自动采集用户的人脸图像；

(3)构造人脸图像的特征向量；

(4)利用人脸识别模型完成用户的身份验证，若身份验证不通过，则结束；

(5)提取人脸图像各个特征部位的信息；

(6)对提取的各个特征信息利用面部情感模型得出6种表情概率；

(7)选择融合后最大概率的表情作为识别结果；

(8)将识别结果与构建的面部情感模型中的情感类型相对应，进而从表情分类识别过程中获取准确的情感类别信息；

(9)根据情感状态，判断用户情感的健康情况，完成情感健康预警。

在上述技术方案的基础上，本发明还可做出如下改进：

进一步地，步骤(1)中，所述面部情感模型为基于Ekman六类情感构建的面部情感模型。

进一步地，所述面部情感模型的建立过程包含以下步骤：

(a)采集N个人脸自然状态下的愤怒、高兴、惊讶、悲伤、恐惧、厌恶六类情感图像；

(b)对上述人脸情感图像使用子窗口进行采样并使用离散余弦变换对人脸面部图像进行特征提取；

(c)根据以上获得的测量值训练隐马尔可夫模型，即获得面部情感模型。

进一步地，步骤(4)中，所述人脸识别模型的获取过程包含以下步骤：

(a)采集N个人脸图像及其对应的身份类别；

(b)构造每个人脸图像的特征向量；