[发明专利]一种基于视频中个体面部分析的情绪感知模型的建立方法

权利要求书

1.一种基于视频中个体面部分析的情绪感知模型的建立方法，其特征在于，所述方法包括如下步骤：

步骤1，通过正性负性情绪量表(PANAS)测评多位被试的个体情绪状态，分别得到与被试个体情绪状态相对应的积极情绪和消极情绪得分；

步骤2，采集被试的面部视频数据，且与被试所测积极情绪与消极情绪得分相对应；

步骤3.1，在二维空间中对所采集到的视频数据中的面部关键点进行数据去噪预处理；

步骤4，将相邻两帧中同一面部关键点的欧几里得距离作为差异度量，得到视频时间轴上各帧间面部关键点的差异度量d_i,j；

步骤5，结合步骤4所得差异度量d_i,j，计算被试每个面部关键点在整个视频时间轴上的方差σ_j，得到全部面部关键点对应的方差σ；

步骤6，将步骤5中所得每位被试所有面部关键点的方差σ进行排序，选择每位被试所得方差中数值较大的前X个方差值对应的X个面部关键点；

步骤7，集合步骤6得到的每位被试的X个面部关键点进行分析，选择出现频次最多的Y(Y＜X)个面部关键点作为最终分析的面部特征点；

步骤8，对选取的Y个面部特征点进行特征提取、特征降维和特征选择，采用序列后向选择(SBS)算法通过分类器优化特征集；

步骤9，采用机器学习中的回归算法，将步骤1中得到的个体积极情绪与消极情绪得分作为标注数据进行模型训练和验证，得到并保存针对个体积极情绪与消极情绪的预测模型。

2.根据权利要求1所述的基于视频中个体面部分析的情绪感知模型的建立方法，其特征在于，所述方法还包括坐标平移步骤3.2，将去噪处理后的视频数据中的坐标原点平移至被试鼻子中心，将某一帧鼻子中心的坐标设定为O(x₀，y₀)，其它面部关键点的坐标为P(x，y)。

3.根据权利要求1所述的基于视频中个体面部分析的情绪感知模型的建立方法，其特征在于，所述步骤2中，在明亮安静的室内空间架设摄像装置，根据播放的语音指令在规定区域内自动拍摄被试演讲时的面部视频资料，视频采集时间1min～3min，采集频率为25Hz。

4.根据权利要求1所述的基于视频中个体面部分析的情绪感知模型的建立方法，其特征在于，所述步骤3.1中的面部关键点包括口、鼻、眼睛、眉毛、脸颊和嘴巴部位的面部关键点70个。

5.根据权利要求4所述的基于视频中个体面部分析的情绪感知模型的建立方法，其特征在于，所述步骤5中计算每位被试70个面部关键点的方差σ₇₀；依据步骤6将所得70个方差按照从大到小排序，选择前32个面部关键点；再根据步骤7将32个面部关键点按照出现频次多少进行排序，选出出现频次较多的前16个面部关键点作为面部特征点。

6.根据权利要求1所述的基于视频中个体面部分析的情绪感知模型的建立方法，其特征在于，所述步骤4中通过如下公式计算差异度量d_i,j，得到(N-1)*m矩阵D：

其中：i是帧数，j为第j个面部关键点；

N是视频资料中的总帧数量；

m是面部关键点的数量。

7.根据权利要求1所述的基于视频中个体面部分析的情绪感知模型的建立方法，其特征在于，所述步骤8中通过时域分析法和频域分析法对各个面部特征点进行特征提取，再使用主成分分析(Principal components analysis,PCA)对频域分析方法中所得频域特征进行降维，选取频域特征进行变换后的前100个主成分，使得重构误差小于5％，降到100维。

8.根据权利要求1所述的基于视频中个体面部分析的情绪感知模型的建立方法，其特征在于，通过时域分析法提取面部特征点的均值、方差、偏度、峰度、两轴之间的相关系数五种时域特征。

9.根据权利要求1所述的基于视频中个体面部分析的情绪感知模型的建立方法，其特征在于，所述步骤9中采用机器学习中的Adaboost回归算法建立预测模型，并采用十折交叉验证对所建立的积极情绪与消极情绪预测模型进行验证。