一种人脸微表情识别模型及识别方法技术

本发明专利技术涉及图像处理技术领域，具体涉及一种人脸微表情识别方法，包括提取待识别微表情图像的待识别特征向量，将所述待识别特征向量和微表情库中的每个预设微表情的预设特征向量进行相似度比较，并根据相似概率进行排序，还包括对周围环境图像进行处理，并识别周围环境图像中是否存在其他人，若存在，则进一步识别周围环境图像中其他人的表情类型，根据其他人的表情类型以及相似概率排序来确定所述待识别微表情图像中的微表情类别。本发明专利技术还提供一种人脸微表情识别模型。本发明专利技术通过对周围环境图像的识别，作为补充参考，以此来提高微表情识别的准确性。情识别的准确性。情识别的准确性。

【技术实现步骤摘要】
一种人脸微表情识别模型及识别方法


[0001]本专利技术涉及图像处理
，具体涉及一种人脸微表情识别模型及识别方法。

技术介绍

[0002]微表情是心理学名词。人们通过做一些表情把内心感受表达给对方看，在人们做的不同表情之间，或是某个表情里，脸部会“泄露”出其它的信息。“微表情”最短可持续1/25秒，虽然一个下意识的表情可能只持续一瞬间，但很容易暴露情绪。
[0003]微表情可能是判断一个人真实情感的最有利的线索，微表情在司法审讯、临床医学等领域有着重要的应用价值，因此微表情的研究具有重要的意义和潜在价值，有必要加强对微表情的研究。
[0004]目前，在现有技术中，有通过建立一个已经对各种预设微表情进行分类的微表情库，通过将待识别微表情图像的待识别特征向量与微表情库中的每个预设微表情的预设特征向量进行比较得到相似概率，判断相似概率是否大于预设阈值来确定待识别微表情图像中的待识别微表情类别。然而，此种识别方法，仍然可能存在识别不精准的问题。

技术实现思路

[0005]本专利技术意在提供一种人脸微表情识别方法，以通过对周围环境图像的识别，作为补充参考，来提高微表情识别的准确性。
[0006]一种人脸微表情识别方法，包括：提取待识别微表情图像的待识别特征向量，将所述待识别特征向量和微表情库中的每个预设微表情的预设特征向量进行相似度比较，并根据相似概率进行排序，还包括对周围环境图像进行处理，并识别周围环境图像中是否存在其他人，若存在，则进一步识别周围环境图像中其他人的表情类型，根据其他人的表情类型以及相似概率排序来确定所述待识别微表情图像中的微表情类别。
[0007]本专利技术的有益效果如下：
[0008]1、本专利技术将所述待识别特征向量和微表情库中的每个预设微表情的预设特征向量进行相似度比较，并根据相似概率进行排序，将相似概率从大到小依次排序，排在前面相似概率高的几个极有可能就是待识别微表情的类型。与现有技术相比，现有技术中是判断相似概率是否大于预设阈值来确定待识别微表情图像中的待识别微表情类别，通过判断相似概率是否大于预设阈值的方式，可能存在的问题是，同时存在两个或者两个以上的相似概率大于预设阈值，在此种情况下将无法确定待识别微表情属于那种类型，或者识别不准确。
[0009]2、在将相似概率进行排序基础上，为了确定到底哪个是最准确的待识别微表情的类型，本专利技术进一步结合周围环境图像，对周围环境图像进行处理，并识别周围环境图像中是否存在其他人，若存在，则进一步识别周围环境图像中其他人的表情类型，根据其他人的表情类型以及相似概率排序，从而来确定所述待识别微表情图像中的微表情类别，此种方式可以大大提高微表情识别的准确性。
[0010]进一步地，若周围环境图像中仅存在一个其他人，且该一个其他人的表情类型与相似概率排序中相似概率最大的微表情类别相符，则确定相似概率排序中相似概率最大的微表情类别为本次待识别微表情图像中的微表情类别。
[0011]有益效果：若周围环境图像中仅存在一个其他人，且该一个其他人的表情类型与相似概率排序中相似概率最大的微表情类别相符，说明相似概率排序中相似概率最大的微表情类别是准确的，因此可以确定相似概率排序中相似概率最大的微表情类别为本次待识别微表情图像中的微表情类别。
[0012]进一步地，若周围环境图像中仅存在一个其他人，该一个其他人的表情类型与相似概率排序中相似概率第二大的微表情类别相符，且相似概率排序中相似概率最大和相似概率第二大的差值小于设定阈值，则确定相似概率排序中相似概率第二大的微表情类别为本次待识别微表情图像中的微表情类别。
[0013]有益效果：若周围环境图像中仅存在一个其他人，该一个其他人的表情类型与相似概率排序中相似概率第二大的微表情类别相符，而不是与相似概率排序中相似概率最大的微表情类别相符，说明以相似概率排序中相似概率最大的微表情类别作为本次待识别微表情的类别是不准确的，而如果相似概率排序中相似概率最大和相似概率第二大两者之间的差值较大，则说明相似概率排序中相似概率第二大的微表情类别也是不准确的，只有两者相差不大，即相似概率排序中相似概率最大和相似概率第二大的差值小于设定阈值时，才确定相似概率排序中相似概率第二大的微表情类别为本次待识别微表情图像中的微表情类别，以此提高识别的可靠性和准确性。
[0014]进一步地，若周围环境图像中存在多个其他人，则在识别出每个其他人的表情类型后，对各个表情类型进行统计，将统计占多数的表情类型作为周围环境图像的最终表情类型，根据最终表情类型以及相似概率排序来确定所述待识别微表情图像中的微表情类别。
[0015]有益效果：若周围环境图像中存在多个其他人，可能每个其他人的表情类型会略有不同，比如一个人是被开玩笑的对象，这个人可能就比较郁闷的表情，而其他人是旁观者，其他人可能就显得比较开心，因此在识别出每个其他人的表情类型后，对各个表情类型进行统计，将统计占多数的表情类型作为周围环境图像的最终表情类型，以此确定周围环境的主体氛围，而待识别微表情图像中的人物在此种氛围中，必然与周围环境氛围相符，因此以最终表情类型作为补充参考，根据最终表情类型以及相似概率排序来确定所述待识别微表情图像中的微表情类别，可提高待识别微表情的准确性。
[0016]进一步地，若最终表情类型与相似概率排序中相似概率最大的微表情类别相符，则确定相似概率排序中相似概率最大的微表情类别为本次待识别微表情图像中的微表情类别。
[0017]有益效果：若最终表情类型与相似概率排序中相似概率最大的微表情类别相符，说明相似概率排序中相似概率最大的微表情类别是准确的，因此可以确定相似概率排序中相似概率最大的微表情类别为本次待识别微表情图像中的微表情类别。
[0018]进一步地，若最终表情类型与相似概率排序中相似概率第二大的微表情类别相符，且相似概率排序中相似概率最大和相似概率第二大的差值小于设定阈值，则确定相似概率排序中相似概率第二大的微表情类别为本次待识别微表情图像中的微表情类别。
[0019]有益效果：若最终表情类型与相似概率排序中相似概率第二大的微表情类别相符，而不是与相似概率排序中相似概率最大的微表情类别相符，说明以相似概率排序中相似概率最大的微表情类别作为本次待识别微表情的类别是不准确的，而如果相似概率排序中相似概率最大和相似概率第二大两者之间的差值较大，则说明相似概率排序中相似概率第二大的微表情类别也是不准确的，只有两者相差不大，即相似概率排序中相似概率最大和相似概率第二大的差值小于设定阈值时，才确定相似概率排序中相似概率第二大的微表情类别为本次待识别微表情图像中的微表情类别，以此提高识别的可靠性和准确性。
[0020]本专利技术进一步公开一种人脸微表情识别模型，以通过对周围环境图像的识别，作为补充参考，来提高微表情识别的准确性。
[0021]一种人脸微表情识别模型，包括微表情库，所述微表情库存储有各种类型的预设微表情，所述各种类型的预设微表情通过对3D卷积神经网络进行训练得到，每本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸微表情识别方法，其特征在于：包括：提取待识别微表情图像的待识别特征向量，将所述待识别特征向量和微表情库中的每个预设微表情的预设特征向量进行相似度比较，并根据相似概率进行排序，还包括对周围环境图像进行处理，并识别周围环境图像中是否存在其他人，若存在，则进一步识别周围环境图像中其他人的表情类型，根据其他人的表情类型以及相似概率排序来确定所述待识别微表情图像中的微表情类别。2.根据权利要求1所述的人脸微表情识别方法，其特征在于：若周围环境图像中仅存在一个其他人，且该一个其他人的表情类型与相似概率排序中相似概率最大的微表情类别相符，则确定相似概率排序中相似概率最大的微表情类别为本次待识别微表情图像中的微表情类别。3.根据权利要求1所述的人脸微表情识别方法，其特征在于：若周围环境图像中仅存在一个其他人，该一个其他人的表情类型与相似概率排序中相似概率第二大的微表情类别相符，且相似概率排序中相似概率最大和相似概率第二大的差值小于设定阈值，则确定相似概率排序中相似概率第二大的微表情类别为本次待识别微表情图像中的微表情类别。4.根据权利要求1所述的人脸微表情识别方法，其特征在于：若周围环境图像中存在多个其他人，则在识别出每个其他人的表情类型后，对各个表情类型进行统计，将统计占多数的表情类型作为周围环境图像的最终表情类型，根据最终表情类型以及...

【专利技术属性】
技术研发人员：韦鹏程，颜蓓，黄思行，
申请(专利权)人：重庆第二师范学院，
类型：发明
国别省市：