[发明专利]一种基于视觉的人脸表情识别方法

说明书

本发明提出了一种基于视觉的人脸表情识别方法。本发明涉及信息处理领域。本发明包括以下步骤：获取人脸图像样本集，并且对人脸图像样本集进行预处理；提取预处理后人脸图像样本集的特征，获得表情特征样本集；将表情特征样本集引入至表情识别分类器中进行学习训练，得到训练好的表情识别分类器；将测试样本放入训练好的表情识别分类器，并且表情识别分类器对测试样本进行评估。本发明能够识别出人脸表情的表情程度。

技术领域

本发明涉及信息处理领域，具体而言，涉及一种基于视觉的人脸表情识别方法。

背景技术

近几年，随着人工智能技术的再次崛起，以及计算机技术的大幅度提升，人们对人机交互任务提出了越来越高的要求。同时，在人与人的沟通中，不只是语言符号，人脸表情以及其它身体语言也是传达信息的组成成分。

目前，由于人的表情有不同的程度，例如笑这类表情可以分为大笑、微笑等，哭这类表情可以分为抽噎、大哭等，现有的表情识别系统不能识别相同表情的不同程度。

发明内容

本发明的目的在于提供一种基于视觉的人脸表情识别方法，其能够识别出人脸表情的表情程度。

本发明的实施例是这样实现的：

本申请实施例提供一种基于视觉的人脸表情识别方法，包括以下步骤；

获取人脸图像样本集，并且对人脸图像样本集进行预处理；

提取预处理后人脸图像样本集的特征，获得表情特征样本集；

将表情特征样本集引入至表情识别分类器中进行学习训练，得到训练好的表情识别分类器；

将测试样本放入训练好的表情识别分类器，并且表情识别分类器对测试样本进行评估。

在本发明的一些实施例中，上述获取人脸图像样本集，并且对人脸图像样本集进行预处理包括将人脸图像样本集彩色图像转化成灰度图像：

其中，RGB分别为每个彩色图像像素点的颜色分量，g为转化后的灰度值。

在本发明的一些实施例中，上述提取预处理后人脸图像样本集的特征，获得表情特征样本集的表情特征样本由人脸几何特征组成。

在本发明的一些实施例中，上述人脸几何特征包括眼镜、眉毛、鼻子和嘴。

在本发明的一些实施例中，上述表情特征的变化包括人脸几何特征的纹理形状变化。

在本发明的一些实施例中，上述表情特征样本集的表情特征样本的人脸几何特征提取方法通过差分图像的时空特征。

在本发明的一些实施例中，上述表情识别分类器为BP神经网络分类器。

在本发明的一些实施例中，上述BP神经网络分类器将表情特征样本作为输入，在BP神经网络中进行线性组合，并在每个神经元经过非线性的激活函数输出，每个神经元得到一个计算结果。

在本发明的一些实施例中，上述BP神经网络分类器的工作过程包括两个阶段：

正向传播：首先将表情特征样本集输入输入层，经过隐含层进行加权计算，最后由输出层输出，其中，每一层的处理中前一层等效于后一层的输入层；

反向传播：传播至输出层时，将结果与给定的标签进行比较，判断是否达到收敛条件，若达到，则结束训练过程；若没达到，则逐层反向传播，对权值进行依次调整，直到满足收敛条件。

在本发明的一些实施例中，上述激活函数：

其中，x为实际输出。

相对于现有技术，本发明的实施例至少具有如下优点或有益效果：