[发明专利]一种面部动作单元的识别方法、系统有效

专利信息
申请号: 201910184196.7 申请日: 2019-03-12
公开(公告)号: CN109902656B 公开(公告)日: 2020-10-23
发明(设计)人: 李显生;马佳磊;任园园;郑雪莲;杨苒;王杰 申请(专利权)人: 吉林大学
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 北京志霖恒远知识产权代理事务所(普通合伙) 11435 代理人: 赵奕
地址: 130012 吉*** 国省代码: 吉林;22
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 面部 动作 单元 识别 方法 系统
【权利要求书】:

1.一种面部动作单元的识别方法,其特征是,包括以下步骤:

将待识别脸部图像的面部特征点输入面部动作单元识别模型用于识别待识别脸部图像的运动单元,其中,所述面部动作单元识别模型的构建过程包括:

基于面部行为编码系统对面部动作单元的特征描述,分析历史目标面部动作单元的运动特征,对其运动规则进行提取,进行所述历史目标面部动作单元的运动表达确定;

根据历史目标面部动作单元的运动特征及运动表达从面部特征点集合中选取出与其关联的历史目标面部特征点;

根据所述历史目标面部特征点的空间关系确认通过所述历史目标面部特征点形成的历史目标空间形态,并根据历史目标空间形态配置用于识别历史目标面部动作单元的历史空间特征表征参数;

利用大数据决策分析确定历史目标面部动作单元历史空间特征表征参数的表征指标变化范围及历史空间特征表征参数的权重关系;

基于历史目标面部特征点、历史目标空间形态、历史空间特征表征参数、历史空间特征表征参数的表征指标变化范围及所述历史空间特征表征参数的权重关系构建面部动作单元识别模型。

2.根据权利要求1所述的面部动作单元的识别方法,其特征是,还包括:

采集脸部图像或历史脸部图像;

将所述脸部图像或历史脸部图像输入面部特征点提取模型进行面部特征点或历史面部特征点的提取。

3.根据权利要求1所述的面部动作单元的识别方法,其特征是,历史目标面部动作单元为表征与面部永久性特征之眉毛、眼睛、鼻子、嘴唇及下巴至少一项相关运动状态的面部动作单元。

4.根据权利要求3所述的面部动作单元的识别方法,其特征是,历史目标空间形态为所述历史目标面部特征点构建的几何形态。

5.根据权利要求4所述的面部动作单元的识别方法,其特征是,根据所述历史目标面部特征点的空间关系确认通过所述历史目标面部特征点形成的历史目标空间形态:

根据所述历史目标面部特征点的空间位置及相互之间的方位从所述历史目标面部特征点中选取特定历史目标面部特征点进行关联,形成以特定历史目标面部特征点为节点的特征点关联轨迹,所述特征点关联轨迹与所述历史目标面部特征点形成所述几何形态。

6.根据权利要求1所述的面部动作单元的识别方法,其特征是,所述历史空间特征表征参数包括:

所述特征点关联轨迹中特定节点之间的距离及相对距离的变化趋势、

所述特征点关联轨迹之间的相对距离、

所述特征点关联轨迹之间的相对方位、

剩余历史目标面部特征点与所述特征点关联轨迹的相对距离中至少一项。

7.一种面部动作单元的识别系统,其特征是,包括:

识别单元,配置用于将待识别脸部图像的面部特征点输入面部动作单元识别模型用于识别待识别脸部图像的运动单元;

AU识别模型构建单元,配置用于:

基于面部行为编码系统对面部动作单元的特征描述,分析目标历史面部动作单元的运动特征,对其运动规则进行提取,进行该面部动作单元的运动表达确定;

根据历史面部动作单元的运动特征及运动表达从面部特征点集合中选取出与其关联的历史目标面部特征点;

根据所述历史目标面部特征点的空间关系确认通过所述历史目标面部特征点形成的历史目标空间形态,并根据历史目标空间形态配置用于识别历史目标运动单元的历史空间特征表征参数;

利用大数据决策分析确定历史目标面部动作单元历史空间特征表征参数的表征指标变化范围及历史空间特征表征参数的权重关系;

基于历史目标面部特征点、历史目标空间形态、历史空间特征表征参数、历史空间特征表征参数的表征指标变化范围及所述历史空间特征表征参数的权重关系构建面部动作单元识别模型。

8.根据权利要求7所述的面部动作单元的识别系统,其特征是,历史目标空间形态为所述历史目标面部特征点构建的几何形态。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于吉林大学,未经吉林大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910184196.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top