[发明专利]微表情识别方法

权利要求书

1.微表情识别方法，其特征在于，包括：

S1、采集目标人脸图像；

S2、对目标人脸图像进行检测，获得偏转特征点，偏转特征点包括目标人脸图像中人脸的多个特征点，每个特征点包括二维位置信息；并根据偏转特征点计算目标人脸图像中人脸的偏转角度；

S3、根据偏转角度将目标人脸图像转换为修正人脸图像，修正人脸图像中人脸的偏转角度为零，修正人脸图像是目标人脸图像中人脸偏转后得到的图像；

S4、检测修正人脸图像的人脸特征，获取预设个数的人脸特征点；并根据人脸特征点以及预设分块规则，对修正人脸图像进行切块处理以得到若干个图块；

S5、根据若干个图块，通过预先建立的卷积神经网络模型获得微表情识别结果。

2.如权利要求1所述的微表情识别方法，其特征在于，S2中，根据偏转特征点计算目标人脸图像中人脸的偏转角度，具体包括：

A1、根据人脸三维模型，分别确定目标人脸图像中人脸的各个特征点的二维位置信息对应的三维位置信息；

A2、根据三维到二维的投影关系以及二维位置信息及三维位置信息，建立关于三维到二维的投影过程中的旋转矩阵的最小误差模型，最小误差模型包括旋转矩阵、空间偏移向量和缩放因子；

A3、对最小误差模型进行求解得到旋转矩阵，将旋转矩阵分解得到目标脸图像中人脸在各个方向的偏转角度。

3.如权利要求2所述的微表情识别方法，其特征在于，S3中，根据偏转角度将目标人脸图像转换为修正人脸图像，具体包括：

B1、根据旋转矩阵、空间偏移向量和缩放因子将目标脸图像中人脸的各个特征点的二维位置信息转化为真实三维位置信息；

B2、根据各个特征点的真实三维位置信息，将各个特征点分别按照偏转角度进行反向偏转，得到对应的偏转后的三维位置信息；

B3、根据旋转矩阵、空间偏移向量和缩放因子、将各个特征点的偏转后的三维位置信息分别转化为偏转后的二维位置信息，得到修正人脸图像。

4.如权利要求3所述的微表情识别方法，其特征在于，S4中，对修正人脸图像进行切块处理以得到若干个图块，具体包括：

C1、采用人脸识别算法对修正人脸图像进行人脸识别，得到人脸所在的矩形区域；

C2、截取矩形区域的上1/5至1/3部分作为眉毛区域，记为第一图块；

C3、截取矩形区域自上方1/3处开始矩形区域1/5大小的部分作为眼睛区域，记为第二图块；

C4、截取矩形区域的下1/3部分作为嘴巴区域，记为第三图块。

5.如权利要求4所述的微表情识别方法，其特征在于，S5中，通过预先建立的卷积神经网络模型获得微表情识别结果，具体包括：

将第一图块、第二图块以及第三图块均输入到卷积神经网络模型进行卷积计算，获得修正人脸图像对应的特征向量，并对特征向量进行PCA降维处理；

根据降维后的特征向量，通过卷积神经网络模型中的多层分类器，获得修正人脸图像对应的微表情识别结果。

6.如权利要求5所述的微表情识别方法，其特征在于，S5中，将第一图块、第二图块以及第三图块均输入到卷积神经网络模型进行卷积计算之前，对第一图块、第二图块以及第三图块进行灰度化处理。

7.如权利要求6所述的微表情识别方法，其特征在于，S5中，将第一图块、第二图块以及第三图块均输入到卷积神经网络模型进行卷积计算之前，对第一图块、第二图块以及第三图块进行水平翻转处理。