[发明专利]一种基于EEG传感器的面部动作识别方法

说明书

本发明公开了一种基于EEG传感器的面部动作识别方法，属于面部动作识别技术领域。本发明基于脑电（EEG）传感器进行面部动作识别方法，通过佩戴在脑部的EEG传感器采集通常会作为伪信号滤除的EMG信号进行识别，利用支持向量机（SVM）进行面部动作实时模式识别与分类。本发明基于EEG传感器的高精度信号采集能力可实现小样本情况下面部动作的高精度识别与分类。

技术领域

本发明属于面部动作识别技术领域，具体地说本发明涉及一种基于EEG传感器的面部动作识别方法。

背景技术

在人类情感智能的研究中，面部动作的研究对于理解人类情感表达意图具有极其重要的意义。传统面部动作识别方法例如基于可见光图像识别方案，该方法目前使用范围较广，软件算法成熟，然而由于人脸具有特殊的柔性结构和肌肉组织，难以对其进行精准的建模进行表情识别，而基于深度相机的面部动作识别也只能在此基础上获得图像的深度信息。相比以上两种识别方案，肌电EMG（electromyogram）传感器的识别方案，准确率有较大程度地提升，但这种方式需要在面部穿戴EMG传感器，会给穿戴者带来较差的体验感。

发明内容

本发明目的是：针对现有技术的不足，提出一种基于脑电（EEG）传感器的面部动作识别方法。该方法通过佩戴在脑部的EEG传感器采集通常会作为伪信号滤除的EMG信号进行识别，利用支持向量机（SVM）进行面部动作实时模式识别与分类，基于EEG传感器的高精度信号采集能力可实现小样本情况下面部动作的高精度识别与分类。

具体地说，本发明是采用以下技术方案实现的：利用EEG传感器采集EMG信号，并进行预处理，得到样本数据和待分类数据；

利用样本数据，分别训练眼电分类支持向量机和肌电支持向量机，实现面部动作实时模式识别与分类；

基于训练后的眼电分类支持向量机和肌电支持向量机，对待分类数据进行面部动作识别。

上述技术方案的进一步特征在于，EEG传感器利用额区F3和F4的电极以及中央区C3和C4的电极采集EMG信号。

上述技术方案的进一步特征在于，所述样本数据共包含25个试次，分为5组，每组5个试验样本数据，分别对应眨左眼、眨右眼、咬左牙床、咬右牙床、两边一起咬五个面部动作。

上述技术方案的进一步特征在于，所述眼电分类支持向量机和肌电支持向量机采用高斯核支持向量机，以眼电信号和咬肌肌电信号的峰峰值作为主要特征，其中眼电信号通过两个特征划分两类状态，肌电信号通过三个特征划分三类状态，由此形成了五种面部动作分类。

上述技术方案的进一步特征在于，眼电信号的两个特征为通道F3的峰峰值和通道F4的峰峰值。

上述技术方案的进一步特征在于，肌电信号的三个特征为通道C3的峰峰值、通道C4的峰峰值以及通道C3和C4的相关一致性。

上述技术方案的进一步特征在于，所述高斯核支持向量机的高斯核的误差惩罚常数C取100，高斯核宽度σ取1.0 。

本发明的有益效果如下：本发明针对传统面部动作识别方法的不足，结合EEG传感器高精度信号采集的能力，不仅可以准确提高识别的准确率，还规避了EMG传感器在采集EMG信号的过程中带来的较差穿戴体验感，高效地实现小样本情况下实时的面部动作识别与分类的方法。相比于其他表情识别方案可提高面部识别的准确率，而且在进行面部动作信号采集的过程中被采集者的体验感也较为舒适。因此，本发明在人类情感智能的研究中具有一定的重要意义。

附图说明

图1是不同面部动作下的EEG信号示意图。

图2为基于SVM的面部动作识别与分类结果示意图。

图3为EEG传感器佩戴位置示意图。

具体实施方式