[发明专利]一种用于课堂环境下的学生面部表情识别方法及系统

权利要求书

1.一种用于课堂环境下的学生面部表情识别方法，其特征在于，包括：

获取学生面部图像，按照表情类别建立若干表情库，将获取的学生面部图像进行表情分类，放入相应地表情库；

对所述表情库中的学生面部图像进行人脸识别，得到人脸识别图像；

对所述人脸识别图像进行特征点标定，根据标定的特征点计算相应地特征值，将所述特征点和特征值存放在相应表情库中，得到人脸图像数据集；

建立SVM训练模型，根据所述人脸图像数据集对所述SVM训练模型进行训练，得到表情识别模型；

获取课堂环境下的学生面部图像，对所述课堂环境下的学生面部图像进行人脸识别，并进行特征点标定，并根据特征点计算特征值；

基于所述表情识别模型，对课堂环境下的学生面部图像的特征值进行表情类别判定。

2.根据权利要求1所述的用于课堂环境下的学生面部表情识别方法，其特征在于，在对所述学生面部图像进行人脸识别步骤之前，对所有表情库中的学生面部图像进行像素归一化处理。

3.根据权利要求1所述的用于课堂环境下的学生面部表情识别方法，其特征在于，采用MB-LBP特征算法对所述学生面部图像进行人脸识别，具体识别过程包括：

将所述学生面部图像划分为若干个子区域，计算每个子区域的平均灰度值，得到灰度值矩阵；

根据所述灰度值矩阵计算相应区域的MB-LBP特征值；

利用分类器对所述MB-LBP特征值进行分类，得到人脸识别图像。

4.根据权利要求3所述的用于课堂环境下的学生面部表情识别方法，其特征在于，所述分类器为级联分类器，包括若干级联的强分类器，每级强分类器由若干弱分类器组成；所述弱分类器为多分支回归树。

5.根据权利要求1所述的用于课堂环境下的学生面部表情识别方法，其特征在于，对所述人脸识别图像进行特征点标定，并根据标定的特征点计算相应地特征值，具体为：

采用基于DLIB机器学习方法对所述人脸识别图像中眉毛、眼睛、鼻子、嘴部和下巴的位置进行标定；根据眉毛、眼睛、鼻子、嘴部和下巴之间的位置和角度计算相应地特征值。

6.根据权利要求1所述的用于课堂环境下的学生面部表情识别方法，其特征在于，对所述课堂环境下学生面部图像进行人脸识别，并进行面部特征点标定，并根据面部特征点计算面部特征值，具体为：

采用MB-LBP特征算法对课堂环境下学生面部图像进行人脸识别，得到课堂环境下人脸识别图像；对所述课堂环境下人脸识别图像中的眉毛、眼睛、鼻子、嘴部和下巴的位置进行标定；根据眉毛、眼睛、鼻子、嘴部和下巴之间的位置和角度计算相应地特征值。

7.一种用于课堂环境下的学生面部表情识别系统，其特征在于，包括：

图像采集模块，用于拍摄学生面部图像；

表情库模块，用于按照表情类别建立若干表情库，将所述图像采集模块采集的学生面部图像进行表情分类，并放入相应地表情库；

人脸检测提取模块，用于对所述表情库模块中的学生面部图像进行人脸识别，得到人脸识别图像；

特征点标定模块，用于对所述人脸识别图像进行特征点标定，根据标定的特征点计算相应地特征值，将所述特征点和特征值存放在相应表情库中，得到人脸图像数据集；

模型训练模块，用于建立SVM训练模型，根据所述人脸图像数据集对所述SVM训练模型进行训练，得到表情识别模型；

表情判定模块，用于基于所述表情识别模型，对课堂环境下的学生面部图像的特征值进行表情类别判定。

8.根据权利要求7所述的用于课堂环境下的学生面部表情识别系统，其特征在于，所述系统还包括：图像预处理模块，用于在对所述学生面部图像进行人脸识别之前，对所有表情库中的学生面部图像进行像素归一化处理。

9.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1-6中任一项所述的方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1-6任一项所述的方法的步骤。