[发明专利]人脸表情识别方法及装置

说明书

技术领域

本发明涉及人脸识别的技术领域，尤其是涉及一种人脸表情识别方法及装置。

背景技术

人脸表情识别技术是人工智能领域新兴的一个研究方向，它在智能化的人际交互中具有广阔的应用前景。人脸表情识别技术是结合特定的算法并通过计算机提取面部特征信息，然后根据获得的特征信息完成表情分类判断的一个过程。

目前常用的表情特征提取有以下几种方法：采用几何特征进行特征提取，该类方法的识别结果的精确性不高；基于整体统计特征的方法，主要方法有PCA(主成分分析)和ICA(独立主元分析)，PCA是用一个正交维数空间来说明数据变化的主要方向，其缺点是可分性较差，ICA可以获取数据的独立成份，基于图像整体统计特征的提取方法的缺点是受外来因素的干扰(光照、角度、复杂背景等)较大，容易导致识别率下降；基于频率域特征提取主要方法有Gabor小波变换，小波变换作为低层次的特征，不易直接用于匹配和识别，常与ANN或SVM分类器结合使用，提高表情识别的准确率；基于运动特征的提取来提取动态图像序列的运动特征。光流模型的缺点是计算量大。

传统的特征提取方法主要是从一幅完整的图像的角度考虑，特征量较大，且一般模型较大，从而导致运行时间较长。

发明内容

有鉴于此，本发明的目的在于提供一种人脸表情识别方法及装置，以缓解了现有技术中存在的人脸表情识别的过程中识别效率较低的技术问题。

第一方面，本发明实施例提供了一种人脸表情识别方法，包括：获取待处理的人脸图像；按照预先设置的人脸特征点对所述人脸图像进行识别，得到目标人脸特征点；通过Delaunay三角剖分算法对所述目标人脸特征点进行处理，得到至少一个Delaunay三角形；基于所述Delaunay三角形进行特征提取，得到人脸表情特征信息；通过分类器对所述人脸表情特征信息进行分析，以得到所述人脸图像中人脸表情信息。

进一步地，所述人脸特征点为眼睛的特征点和嘴的特征点，所述Delaunay三角形为基于所述眼睛的特征点和所述嘴的特征点组成的至少一个三角形。

进一步地，基于所述Delaunay三角形进行特征提取，得到人脸表情特征信息包括：清除所述Delaunay三角形中的目标边，其中，所述目标边为第一三角形中与第二三角形之间发生重合的边，所述第一三角形和所述第二三角形均为所述Delaunay三角形中的三角形；基于清除所述目标边之后的所述Delaunay三角形提取人脸表情特征信息，其中，所述人脸表情特征信息为清除所述目标边之后的所述Delaunay三角形中的线段长度。

进一步地，基于清除所述目标边之后的所述Delaunay三角形提取人脸表情特征信息包括：按照预设顺序提取目标线段的长度，其中，所述目标线段为清除所述目标边之后的所述Delaunay三角形中的线段；对提取到的所述目标线段的长度按照所述预设顺序进行组合，作为所述人脸表情特征信息。

进一步地，所述方法还包括：将所述人脸表情特征信息添加至训练样本集合中，以通过添加之后的所述训练样本集合对所述分类器进行再次训练。

进一步地，获取待处理的人脸图像包括：获取待处理的图像信息；判断所述图像信息中是否包含人脸；在判断出包含人脸的情况下，将所述待处理的图像信息作为所述人脸图像进行处理。

第二方面，本发明实施例还提供一种人脸表情识别装置，包括：获取单元，用于获取待处理的人脸图像；识别单元，用于按照预先设置的人脸特征点对所述人脸图像进行识别，得到目标人脸特征点；处理单元，用于通过Delaunay三角剖分算法对所述目标人脸特征点进行处理，得到至少一个Delaunay三角形；特征提取单元，用于基于所述Delaunay三角形进行特征提取，得到人脸表情特征信息；分析单元，用于通过分类器对所述人脸表情特征信息进行分析，以得到所述人脸图像中人脸表情信息。

进一步地，所述人脸特征点为眼睛的特征点和嘴的特征点，所述Delaunay三角形为基于所述眼睛的特征点和所述嘴的特征点组成的至少一个三角形。

进一步地，所述特征提取单元包括：清除模块，用于清除所述Delaunay三角形中的目标边，其中，所述目标边为第一三角形和第二三角形之间的公共边，所述第一三角形和所述第二三角形均为所述Delaunay三角形中的三角形；提取模块，用于基于清除所述目标边之后的所述Delaunay三角形提取人脸表情特征信息，其中，所述人脸表情特征信息为清除所述目标边之后的所述Delaunay三角形中的线段长度。