人脸表情识别方法及人脸表情识别系统技术方案

本申请公开了一种人脸表情识别方法，包括：从原始图像中检测出人脸；对检测的人脸进行人脸对齐和特征点定位；从人脸图像中提取出面部特征信息；根据获取的特征数据，进行表情分类，实现人脸表情识别。本申请通过人脸检测、特征点定位、特征提取，表情分类从而进行人脸表情进行最大可能性的预测，保证了表情识别的准确性，具有广泛的应用前景。

Facial expression recognition method and facial expression recognition system

This application discloses a facial expression recognition method, which includes the detection of face from the original image, the face alignment and the feature point positioning for the detected face; the facial feature information is extracted from the face image; the facial expression classification is carried out according to the acquired feature data and the facial expression recognition is realized. The application of face detection, feature point positioning, feature extraction and facial expression classification can predict the maximum possibility of facial expression, which ensures the accuracy of facial expression recognition and has a wide application prospect.

【技术实现步骤摘要】
人脸表情识别方法及人脸表情识别系统
本申请涉及一种人脸表情识别方法及人脸表情识别系统，属于人脸表情识别

技术介绍
人的情感的产生是一个很复杂的心理过程，情感的表达也伴随多种表现方式，常被计算机学家用于研究的表达方式主要有三种：表情、语音、动作。在这三种情感表达方式中，表情所贡献的情感比例高达55％，随着人机交互技术的应用日益广泛，在人机交互领域中，人脸表情识别技术具有非常重要的意义。作为模式识别与机器学习领域的主要研究方法之一，己经有大量的人脸表情识别算法被提出。然而人脸表情识别技术也有其弱点：1、不同的人表情变化：人脸表情会根据不同的人表现方式的区别而产生差异性；2、同一人上下文变化：同一个人的表情在现实生活中的实时性；3、外界的条件，如：背景，光照、角度、距离等对表情识别影响较大。以上这些都会影响到人脸表情识别的准确性。
技术实现思路
针对现有技术中人脸表情识别不精确，影响到人脸表情识别的准确性的技术问题，本申请目的在于提供一种人脸表情识别方法及系统，可以实现表情的精确识别。为实现上述目的，本专利技术提供了一种人脸表情识别方法。所述人脸表情识别方法，其特征在于，包括：从原始图像中检测出人脸；对检测的人脸进行人脸对齐和特征点定位；从人脸图像中提取出面部特征信息；根据获取的特征数据，进行表情分类，实现人脸表情识别。所述人脸检测：即从各种场景的原始图像中检测出人脸的存在，并准确分离出人脸区域。进一步地，所述从原始图像中检测出人脸包括：基于局部二进制模式逐行扫描原始图像，得到响应图像；采用AdaBoost算法对所述响应图像进行人脸检测，检测出人脸的存在；采用AdaBoost算法进行人眼检测，分离出人脸区域。可选地，所述采用AdaBoost算法进行检测过程中按照1.25-0.9进行多尺度检测。进一步地，所述对检测的人脸进行人脸对齐和特征点定位包括：采用局部约束模型对面部特征点进行标注。可选地，利用所述局部约束模型对面部特征点进行标注，获取到特征点坐标后，选取体现各类表情之间差异性的区域，提取基于形变的表情特征和基于运动的表情特征的两种类型的特征；采用递归特征消除及线性向量机做特征评估，对选取的特征进一步进行特征选择。进一步地，所述从人脸图像中提取出面部特征信息包括：选取体现各类表情之间差异性的区域，提取基于形变的表情特征和基于运动的表情特征的两种类型的特征；采用递归特征消除及线性向量机做特征评估，对选取的特征进一步进行特征选择。可选地，所述体现各类表情之间差异性的区域包括眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点。进一步地，所述从人脸图像中提取出面部特征信息还包括：对提取的面部特征信息进行特征选择，获取面部特征子集，保存面部特征信息，用于表情识别。进一步地，所述根据获取的特征数据，进行表情分类，实现人脸表情识别包括：根据提取的面部特征信息，选取样本，利用先验知识训练表情分类器，每个样本对应相应的表情标签；通过表情分类器，采用最小二乘规则，实现表情分类。进一步地，所述根据获取的特征数据，进行表情分类，实现人脸表情识别还包括：用已知标签的表情特征制造基向量空间，待测表情通过将其特征投影到此空间来判断表情类别，进行人脸表情识别。作为一种具体的实施方式，所述人脸表情识别方法，所述方法包括以下步骤：(1)从原始图像中检测出人脸；(2)对检测的人脸进行人脸对齐和特征点定位；(3)从人脸图像中提取出面部特征信息；(4)根据获取的特征数据，进行表情分类，实现人脸表情识别。其中，步骤(1)进一步包括：(11)基于局部二进制模式逐行扫描原始图像，得到一响应图像；(12)采用AdaBoost算法对所述响应图像进行人脸检测，检测出人脸的存在；(13)采用AdaBoost算法进行人眼检测，分离出人脸区域。进一步，采用AdaBoost算法进行人脸检测或人眼检测过程中按照1.25-0.9进行多尺度检测。步骤(2)进一步包括：采用局部约束模型对面部特征点进行标注。步骤(3)进一步包括：(31)选取嘴、眉毛、眼睛三个体现各类表情之间差异性的主要区域，提取基于形变的表情特征和基于运动的表情特征的两种类型的特征；(32)采用递归特征消除及线性向量机做特征评估，对选取的特征进一步进行特征选择。进一步，对提取的面部特征信息进行特征选择，获取面部特征子集，保存面部特征信息，用于表情识别。步骤(4)进一步包括：(41)根据提取的面部特征信息，选取样本，利用先验知识训练表情分类器，每个样本对应相应的表情标签；(42)通过表情分类器，采用最小二乘规则，实现表情分类。进一步，用已知标签的表情特征制造基向量空间，待测表情通过将其特征投影到此空间来判断表情类别，进行人脸表情识别。本申请的另一方面，提供了一种人脸表情识别系统，其特征在于，所述系统包括：人脸检测模块、特征点定位模块、特征提取模块、人脸表情识别模块；所述人脸表情识别模块，用于从原始图像中检测出人脸；所述特征点定位模块与所述人脸检测模块相连，用于对检测的人脸进行人脸对齐和特征点定位；所述特征提取模块与所述特征点定位模块相连，用于从人脸图像中提取出面部特征信息；所述人脸表情识别模块与所述特征提取模块相连，用于根据提取的面部特征信息，将待识别的人脸表情数据通过所训练的表情分类器进行最大可能性的预测，找出可能性最高的表情类别，实现人脸表情识别。可选地，所述人脸检测模块基于局部二进制模式逐行扫描原始图像，得到响应图像；采用AdaBoost算法对所述响应图像进行人脸检测，检测出人脸的存在；采用AdaBoost算法进行人眼检测，分离出人脸区域。可选地，所述采用AdaBoost算法进行检测过程中按照1.25-0.9进行多尺度检测。可选地，所述特征点定位模块采用局部约束模型对面部特征点进行标注。可选地，所述特征提取模块选取体现各类表情之间差异性的区域，提取基于形变的表情特征和基于运动的表情特征的两种类型的特征；采用递归特征消除及线性向量机做特征评估，对选取的特征进一步进行特征选择。可选地，所述体现各类表情之间差异性的区域包括嘴、眉毛、眼睛、鼻尖中的至少一个。可选地，所述特征提取模块对提取的面部特征信息进行特征选择，获取面部特征子集，保存面部特征信息，用于表情识别。可选地，所述人脸表情识别模块根据获取的特征数据，进行表情分类，实现人脸表情识别包括：根据提取的面部特征信息，选取样本，利用先验知识训练表情分类器，每个样本对应相应的表情标签；通过表情分类器，采用最小二乘规则，实现表情分类。可选地，所述人脸表情识别模块用已知标签的表情特征制造基向量空间，待测表情通过将其特征投影到此空间来判断表情类别，进行人脸表情识别。本申请能产生的有益效果包括：本申请通过人脸检测、特征点定位、特征提取，表情分类从而进行人脸表情进行最大可能性的预测，保证了表情识别的准确性，具有广泛的应用前景。附图说明图1为本申请所述人脸识别方法的流程示意图。图2为本申请所述人脸识别系统的架构示意图。具体实施方式下面结合实施例详述本申请，但本申请并不局限于这些实施例。实施例1下面结合附图对本专利技术提供的人脸表情识别方法及系统做详细说明。参考图1，本专利技术所述人脸表情识别方法的流程示意图。所述方法包括以下步骤：S11：从原始图像中检测出人脸；S12：对本文档来自技高网...

【技术保护点】
1.一种人脸表情识别方法，其特征在于，包括：从原始图像中检测出人脸；对检测的人脸进行人脸对齐和特征点定位；从人脸图像中提取出面部特征信息；根据获取的特征数据，进行表情分类，实现人脸表情识别。

【技术特征摘要】
1.一种人脸表情识别方法，其特征在于，包括：从原始图像中检测出人脸；对检测的人脸进行人脸对齐和特征点定位；从人脸图像中提取出面部特征信息；根据获取的特征数据，进行表情分类，实现人脸表情识别。2.根据权利要求1所述的方法，其特征在于，所述从原始图像中检测出人脸包括：基于局部二进制模式逐行扫描原始图像，得到响应图像；采用AdaBoost算法对所述响应图像进行人脸检测，检测出人脸的存在；采用AdaBoost算法进行人眼检测，分离出人脸区域；优选地，所述采用AdaBoost算法进行检测过程中按照1.25-0.9进行多尺度检测。3.根据权利要求1所述的方法，其特征在于，所述对检测的人脸进行人脸对齐和特征点定位包括：采用局部约束模型对面部特征点进行标注。4.根据权利要求1所述的方法，其特征在于，所述从人脸图像中提取出面部特征信息包括：选取体现各类表情之间差异性的区域，提取基于形变的表情特征和基于运动的表情特征的两种类型的特征；采用递归特征消除及线性向量机做特征评估，对选取的特征进一步进行特征选择；优选地，所述体现各类表情之间差异性的区域包括眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点；优选地，所述从人脸图像中提取出面部特征信息还包括：对提取的面部特征信息进行特征选择，获取面部特征子集，保存面部特征信息，用于表情识别。5.根据权利要求1所述的方法，其特征在于，所述根据获取的特征数据，进行表情分类，实现人脸表情识别包括：根据提取的面部特征信息，选取样本，利用先验知识训练表情分类器，每个样本对应相应的表情标签；通过表情分类器，采用最小二乘规则，实现表情分类；优选地，所述根据获取的特征数据，进行表情分类，实现人脸表情识别还包括：用已知标签的表情特征制造基向量空间，待测表情通过将其特征投影到此空间来判断表情类别，进行人脸表情识别。6.一种人脸表情识别系统，其特征在于，所述系统包括：人脸...

【专利技术属性】
技术研发人员：付璐斯，周盛宗，于志刚，
申请(专利权)人：中国科学院福建物质结构研究所，
类型：发明
国别省市：福建,35