[发明专利]一种无监督的实时面部表情捕捉方法

摘要

本发明是一种无监督的实时面部表情捕捉方法。该方法可以在无监督的条件下分析面部特征点，并将特征点转换为具有语义信息的表情单元系数。本发明具有如下特点算法无需对特定用户做表情采集，可以无监督的学习用户面部表情，因此基于本发明算法的系统具有较强的普适性和易用性。

主权项

一种无监督的实时面部表情捕捉方法，其特征在于如下步骤：(1)从面部图像特征点中提取与FACS表情单元相对应的几何特征；(2)将几何特征添加至几何特征样本集；(3)几何特征样本集根据样本分布计算表情单元变化区间；(4)根据当前几何特征样本和表情单元变化区间计算表情单元系数；所述步骤(2)进一步包括以下子步骤：(2.1)根据潜在误差大小为几何特征样本设置权重，权重值最高为1，最低为0；(2.2)为待添加的几何特征样本增加补偿样本；假设样本的真实值服从高斯分布：sv，ω～N(μ，σ2)   (1)其中，sv，ω表示观测值为v，权重为ω的样本的真实值，μ＝v，σ＝‑lnω；为了补全因误差缺失的信息，需要从观测样本的左右两侧各取一个权重为(1‑ω)/2的补偿样本，然后一起添加到样本集，设补偿样本的值为v′，则有：ω(1-ω)/2=f(v)f(v′)---(2)]]>其中f为高斯分布的概率密度函数；根据公式(2)计算出v′的值；(2.3)样本集已满时进行最近邻样本加权合并；对某个新加入的几何特征样本，在样本集中找到其最近邻样本，然后对这两个样本进行加权合并以形成一个新样本；合并后样本集中的样本总数保持不变；所述步骤(3)进一步分为以下子步骤：(3.1)定义表情单元变化区间；每个表情单元变化区间由三个节点值确定，分别是负极限、无表情和正极限，对应的表情单元的系数分别是‑1，0和1；(3.2)用最近邻样本合并方法求中间节点；具体方法为：不断进行最近邻样本加权合并，直到样本集仅剩三个样本，此时中间样本即为表情单元变化区间的中间节点，即“无表情”节点；(3.3)用离群点剔除方法分别求出左右节点；寻找左节点，即“负极限”节点，算法步骤如下：从最左侧样本开始依次向右扫描并计数，1)若相邻样本距离大于负向样本集宽度的l％，则移除左侧样本并重新计数；2)若计数达到负向样本总数的k％，或已扫描的样本数达到m％，则终止；所述步骤(4)的具体方法为：表情单元的变化区间由三个关键节点确定，分别是gmin、grest和gmax，其中gmin是负极限，grest是无表情，gmax是正极限，当这三个节点已知后，根据几何特征值g可求得组合系数w：w={g-grestgmax-grestg≥grestg-grestgrest-gming<grest.]]>