[发明专利]脸部表情识别方法及装置

说明书

本发明实施例提供了一种脸部表情识别方法及装置，涉及脸部表情识别技术领域。所述方法包括获取待识别脸部表情图像序列的峰值帧图像；提取所述峰值帧图像的几何特征；提取所述峰值帧图像的Gabor特征；基于所述几何特征和所述Gabor特征，获得融合特征；以所述融合特征作为输入，训练预设的深度多核学习模型，获得训练后的所述深度多核学习模型输出的核函数；将所述核函数输入到预设的分类器中进行表情分类，获得识别结果。提高识别率，更高效。

技术领域

本发明涉及脸部表情识别技术领域，具体而言，涉及一种脸部表情识别方法及装置。

背景技术

人类进行情感信息交流强大而重要的载体是面部表情，人类的情绪可以通过表情的变化流露出来，因此表情在我们的日常生活中起着至关重要的作用。近几年，面部表情识别已应用在心理学，医学和人机交互等领域。为了使机器更加准确的学习和识别面部表情，需要不断开发计算机视觉和机器学习技术。表情识别过程包括特征提取和分类识别，提取的面部特征优劣判别在于特征是否具有较高的区分度、较强的鲁棒性以及信息是否较为完整。目前的脸部表情识别方法识别效果较差。

发明内容

本发明的目的在于提供一种脸部表情识别方法及装置，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：

第一方面，本发明实施例提供了一种脸部表情识别方法，应用于一电子设备，所述方法包括：获取待识别脸部表情图像序列的峰值帧图像；提取所述峰值帧图像的几何特征；提取所述峰值帧图像的Gabor特征；基于所述几何特征和所述Gabor特征，获得融合特征；以所述融合特征作为输入，训练预设的深度多核学习模型，获得训练后的所述深度多核学习模型输出的核函数；将所述核函数输入到预设的分类器中进行表情分类，获得识别结果。

第二方面，本发明实施例提供了一种脸部表情识别装置，运行于一电子设备，所述装置包括第一获取单元、第一提取单元、第二提取单元、第二获取单元、训练单元和分类单元。第一获取单元，用于获取待识别脸部表情图像序列的峰值帧图像。第一提取单元，用于提取所述峰值帧图像的几何特征。第二提取单元，用于提取所述峰值帧图像的Gabor特征。第二获取单元，用于基于所述几何特征和所述Gabor特征，获得融合特征。训练单元，用于以所述融合特征作为输入，训练预设的深度多核学习模型，获得训练后的所述深度多核学习模型输出的核函数。分类单元，用于将所述核函数输入到预设的分类器中进行表情分类，获得识别结果。

本发明实施例的有益效果是：获取待识别脸部表情图像序列的峰值帧图像；提取所述峰值帧图像的几何特征；提取所述峰值帧图像的Gabor特征；基于所述几何特征和所述Gabor特征，获得融合特征；以所述融合特征作为输入，训练预设的深度多核学习模型，获得训练后的所述深度多核学习模型输出的核函数；将所述核函数输入到预设的分类器中进行表情分类，获得识别结果。提高识别率，更高效。

本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为一种可应用于本发明实施例中的电子设备的结构框图；

图2为本发明实施例提供的脸部表情识别方法的流程图；

图3为本发明实施例提供的脸部表情识别方法中SFA流程及实验输出样例示意图；

图4为本发明实施例提供的脸部表情识别方法中提取的几何特征示意图；