[发明专利]人脸表情的识别方法及装置

权利要求书

1.一种人脸表情的识别方法，其特征在于，包括：

通过对输入的图片进行人脸检测，得到人脸图片；

基于预设的表情分类标准，确定所述人脸图片中各表情的类别，其中，基于预设的表情分类标准，确定所述人脸图片中各表情的类别，包括：根据表情涉及的人脸运动单元对所述人脸图片中的各表情进行分类；

针对不同类别的表情，采用不同的方式得到所述人脸图片中的人脸的各类别表情的表情系数；

基于得到所述人脸的各个所述表情系数的取值，识别出所述人脸的表情；

其中，在基于得到所述人脸的各个所述表情系数，识别出所述人脸的表情之后，所述方法还包括：

按照得到的所述人脸的各个所述表情系数，驱动虚拟形象做出对应的表情；和/或

基于得到的所述人脸的各个所述表情系数，对三维重建得到的所述人脸的三维人脸模型进行优化；

所述不同类别的表情包括：单一类表情，其中，所述单一类表情是指预设的涉及单一运动单元且涉及人脸的单一个体特征的表情；

针对不同类别的表情，采用不同的方式得到所述人脸图片中的人脸的各类别表情的表情系数，包括：

对所述人脸图片进行识别，获取所述人脸图片中的人脸的多个特征点；

分别确定与各个所述单一类表情相关的个体特征，基于与各个所述个体特征的特征点，得到所述人脸的各个所述单一类表情的表情系数。

2.根据权利要求1所述的方法，其特征在于，基于与各个所述个体特征的特征点，得到所述人脸的各个所述单一类表情的表情系数的步骤包括：

基于与各个所述个体特征的特征点的坐标值，通过计算各个单一类表情涉及的所述人脸上的个体特征的开合程度，得到对应的各个单一类表情的表情系数。

3.根据权利要求1所述的方法，其特征在于，

所述不同类别的表情包括：细微类表情，其中，所述细微类表情指预设的涉及单一运动单元的表情中除所述单一类表情以外的其它表情；

采用不同的方式得到所述人脸图片中的人脸的各类别表情的表情系数，包括：

利用预设的人脸三维重建方法，基于所述人脸的多个特征点，对所述人脸图片中的人脸进行三维重建，得到所述人脸的各个所述细微类表情的表情系数。

4.根据权利要求1所述的方法，其特征在于，

所述不同类别的表情包括：复合类表情，其中，所述复合类表情是指预设的涉及多个运动单元的表情；

采用不同的方式得到所述人脸图片中的人脸的各类别表情的表情系数，包括：

将所述人脸图片分别输入到各个已训练好的目标深度神经网络模型，得到所述人脸的各个所述复合类表情的表情系数，其中，每个所述目标深度神经网络模型对应一个所述复合类表情，所述目标深度神经网络模型用于识别与其对应的复合类表情的表情系数。

5.根据权利要求4所述的方法，其特征在于，在所述将所述人脸图片分别输入到各个已训练好的目标深度神经网络模型的步骤之前，所述方法还包括：

针对任一所述复合类表情构建一个对应的深度神经网络模型，分别采集多张人脸图片，将采集的各张人脸图片分别输入到对该复合类表情对应的深度神经网络模型，将输入的人脸图片中的人脸是否具有该复合类表情作为该深度神经网络模型的输出，对该深度神经网络模型进行训练，得到各个已训练好的目标深度神经网络模型。