[发明专利]一种动态情绪识别方法

权利要求书

1.一种动态情绪识别方法，其特征在于：包括以下步骤：

S1.获取包含人脸的动态图像，对动态图像进行场景识别；

S2.将当前动态图像拆分为多个均包含人脸的单帧图像，然后对每个单帧图像进行预处理，得到多个初始图像；

S3.获取每个初始图像中人脸的关键点，然后根据每个初始图像中人脸的关键点判断当前初始图像中人脸的情绪状态；

S4.将每个初始图像中的关键点与对应的情绪状态的判断模型进行比对，得到每个初始图形中人脸对应的情绪信息；

S5.将任意连续3个以上初始图像的情绪信息结合，得到当前动态图像中人脸的连续情绪走向信息，即完成当前动态图像的情绪识别；

所述的步骤S5中，将任意连续3个以上初始图像的情绪信息结合后，具体步骤如下：

S501.判断当前3个以上的初始图像是否属于同一情绪状态；

S502.如步骤S501中的判断结果为是，则继续判断当前3个以上的初始图像是否属于同一情绪信息，如步骤S501中的判断结果为否，则将不同情绪状态对应的初始图像的数量进行比较，并将数量少的初始图像对应的情绪状态修改为数量多的初始图像对应的情绪状态，然后对修改了情绪状态的初始图像重复步骤S3-S5；

S503.如步骤S501中的判断结果为是，则当前动态图像中人脸的连续情绪走向信息，即完成当前动态图像的情绪识别，如步骤S501中的判断结果为否，则将不同情绪信息对应的初始图像的数量进行比较，并将数量少的初始图像对应的情绪信息修改为数量多的初始图像对应的情绪信息，然后对修改了情绪状态的初始图像重复步骤S4-S5。

2.根据权利要求1所述的动态情绪识别方法，其特征在于：所述的步骤S1中，场景识别时，每种场景对应至少一种情绪状态；每种情绪状态至少对应一种情绪信息。

3.根据权利要求1或2所述的动态情绪识别方法，其特征在于：所述的步骤S2中，对每个单帧图像进行预处理时，步骤如下：

S201.识别当前单帧图像中的人脸区域，获取当前人脸区域的明部及暗部；

S202.计算当前明部与暗部的反差值，并根据反差值进行计算，得到多个曝光补偿值；

S203.计算当前人脸区域的综合亮度，然后调节曝光度使得当前单帧图像的综合亮度达到预设亮度值，并根据当前曝光度得到曝光基准值；

S204.根据每个曝光补偿值及曝光基准值分别对当前人脸区域进行曝光，得到多张过程图像；

S205.将多张过程图像进行HDR处理得到当前初始图像。

4.根据权利要求3所述的动态情绪识别方法，其特征在于：所述的步骤S203中，反差值为当前人脸区域的明部与暗部的亮度值的差值的绝对值。

5.根据权利要求1或2所述的动态情绪识别方法，其特征在于：所述的步骤S3中，所述的情绪状态包括积极情绪、消极情绪及中立情绪；所述的关键点包括眼角、眉毛的末端、嘴角、鼻尖位置信息。

6.根据权利要求5所述的动态情绪识别方法，其特征在于：所述的步骤S3中，判断当前人脸的情绪状态时，将当前单帧图像中的关键点与对应的场景中的每个情绪状态分别进行对比。

7.根据权利要求6所述的动态情绪识别方法，其特征在于：所述的步骤S4中，每个初始图像中的关键点与对应的情绪状态的判断模型进行比对时，获取当前单帧图像中的关键点的特征信息，然后将当前单帧图像中的关键点的特征信息与判断模型中的特征信息进行比对，得到与当前单帧图像中的关键点相似度最高的判断模型，则该判断模型对应的情绪信息即为当前初始图形中人脸的情绪信息。

8.根据权利要求7所述的动态情绪识别方法，其特征在于：所述的特征信息为包括横向宽度、纵向高度、弯曲角度信息的三维数据组。

9.根据权利要求8所述的动态情绪识别方法，其特征在于：所述的判断模型的生成方法为：首先预先采样情绪状态为积极情绪、消极情绪及中立情绪对应的人脸关键点的特征信息，然后将采样的特征信息作为BP神经网络算法的输入值，通过BP神经网络对输入值进行训练，最后获得判断模型。