[发明专利]基于局部基特征的微表情识别方法、系统、装置及介质

说明书

本发明公开了一种基于局部基特征的微表情识别方法、系统、装置及介质，其中方法包括以下步骤：获取微表情视频；将所述微表情视频转换为微表情图像序列，对所述微表情图像序列进行预处理，获得灰度人脸图像；提取所述灰度人脸图像的局部基特征，局部基包括左眼、右眼和嘴巴，局部基特征包括动态特征和静态特征；将所述局部基特征输入训练好的分类器进行识别，获得微表情识别结果。本发明提出一种新颖的特征提取框架，可有效识别各种强度范围内的表情，以及对帧速率几乎不敏感。本发明可广泛应用于图像处理技术领域。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于局部基特征的微表情识别方法、系统、装置及介质。

背景技术

面部表情可以在日常生活中的社交交流中提供丰富的情感信息来源。通常，面部表情(宏)会持续约4到5秒，并且易于人类感知。但是，某些情绪会表现为微表情，这种表情非常快(仅持续1/3至1/25秒)并且具有非自发性。这些微表情让我们对一个人的真实情绪/感受有一瞥或洞察，即使他/她试图通过虚假的宏表情来隐藏真实的情绪。

情绪心理学领域最著名的专家之一保罗·埃克曼透露，从面部表情的角度来看，任何文化背景的人都以同样的方式表达自己的感情和情绪。在这一领域进行的大量研究表明，人类无法控制自己的微表情，也无法抑制它们。埃克曼把情绪分为六大类：愤怒、厌恶、恐惧、高兴、悲伤和惊讶。此外，他开发了面部动作编码系统识别(FACS)和微表情训练工具(METT)来标准化自动面部表情识别(FER)系统。根据肌肉运动将面部图像分成小单元，并将其归类为动作单元(AUs)。

由于微表情发生在几分之一秒内并且强度很低，因此很难通过人类的努力来检测它们。只有经过专业培训的人员才能发现和识别这些表达。即使人类经过专业培训，文献中也仅有47％的识别准确度。

自动微表情识别由于其在各个领域的广泛应用而引起了越来越多的关注：警察询问，临床诊断，抑郁分析，测谎，商务谈判，教学协助，执法等。

发明内容

为至少一定程度上解决现有技术中存在的技术问题之一，本发明的目的在于提供一种基于局部基特征的微表情识别方法、系统、装置及介质。

本发明所采用的技术方案是：

一种基于局部基特征的微表情识别方法，包括以下步骤：

获取微表情视频；

将所述微表情视频转换为微表情图像序列，对所述微表情图像序列进行预处理，获得灰度人脸图像；

提取所述灰度人脸图像的局部基特征，局部基包括左眼、右眼和嘴巴，局部基特征包括动态特征和静态特征；

将所述局部基特征输入训练好的分类器进行识别，获得微表情识别结果。

进一步，还所述基于局部基特征的微表情识别方法还包括训练分类器的步骤，包括：

获取微表情训练集，所述微表情训练集包括训练视频以及与所述训练视频对应的微表情类别标签；

将所述训练视频转换为微表情图像序列，对所述微表情图像序列进行预处理，获得灰度人脸图像；

提取所述灰度人脸图像的局部基特征；

根据所述局部基特征获取运动系数的特征，根据所述运动系数的特征训练分类器。

进一步，所述提取所述灰度人脸图像的局部基特征的步骤包括获取局部基的步骤，包括：

从所述灰度人脸图像中裁剪出矩形的人脸图像并进行缩放，获得多帧人脸图像；

利用SDM技术对所述人脸图像进行中心定位，对所述人脸图像中的左眼、右眼和嘴巴部分进行裁剪，获取左眼方框、右眼方框和嘴部方框作为局部基。