[发明专利]一种基于面部血流分布的情感分类方法及系统

说明书

本发明所提供的一种基于面部血流分布的情感分类方法及系统，该方法：获取待分类的面部视频数据；选取面部图像数据的鼻翼两侧及脸颊的区域作为ROI区域；确定ROI区域的最佳脉搏波；从ROI区域的最佳脉搏波的时域和频域信息中提取基本特征；利用ROI区域的最佳脉搏波，从面部图像数据中提取面部血流分布；将每个面部图像数据的基本特征和面部血流分布依次排列构成面部血流分布特征序列，作为输入特征数据；输入训练后的SVM模型，进行情感分类。本发明的方法在情感分类过程中应用了面部血流分布特征等生理信息，以避免分类对象因控制自己的面部表情或者控制自己的语音语调来掩饰自己当时的情感，导致情感分类的错误，提高情感分类的准确性。

技术领域

本发明涉及情感分类领域，特别是涉及一种基于面部血流分布的情感分类方法及系统。

背景技术

随着人工智能的快速发展，让机器能够识别并“拥有”情感变的至关重要，情感分类已经成为人机自然交互的关键因素。科学家对此做了大量的研究，其中很大一部分科学家着力于根据人的面部表情和语音信息作为情感分类的特征，其分类效果良好。但是这种分类方法会因为个体差异而产生差异，有的人善于控制自己的面部表情或者控制自己的语音语调来掩饰自己当时的情感，那么通过上述方法可能就会产生情感分类的错误。

发明内容

本发明的目的是提供一种基于面部血流分布的情感分类方法及系统，以避免分类对象因控制自己的面部表情或者控制自己的语音语调来掩饰自己当时的情感，导致情感分类的错误，提高情感分类的准确性。

为实现上述目的，本发明提供了如下方案：

一种基于面部血流分布的情感分类方法，所述情感分类方法包括如下步骤：

获取待分类的面部视频数据；将面部视频数据的一帧作为一个面部图像数据；

选取面部图像数据的鼻翼两侧及脸颊的区域作为ROI区域；

确定ROI区域的最佳脉搏波；

从所述ROI区域的最佳脉搏波的时域和频域信息中提取基本特征，所述基本特征包括心动周期、峰值间隔、起始与峰值的间隔、波形幅值、标准心率频域和最大幅值；

利用所述ROI区域的最佳脉搏波，从所述面部图像数据中提取面部血流分布；

将每个面部图像数据的基本特征和面部血流分布依次排列构成面部血流分布特征序列，作为输入特征数据；

将从情感分类已知的面部视频数据中提取的面部血流分布特征序列作为训练特征数据训练SVM模型，得到训练后的SVM模型；

将所述输入特征数据输入所述训练后的SVM模型，进行情感分类。

可选的，所述确定ROI区域的最佳脉搏波，具体包括：

分别采用rPPG算法计算ROI区域的R通道、G通道、B通道平均像素灰度值，作为R通道脉搏波、G通道脉搏波、B通道脉搏波；

分别对R通道脉搏波、G通道脉搏波、B通道脉搏波进行去趋势化、带通滤波和独立成分分析，得到R通道独立成分、G通道独立成分、B通道独立成分；

将R通道独立成分、G通道独立成分、B通道独立成分中与所述G通道脉搏波的相关性最大的独立成分作为最佳脉搏波。

可选的，所述利用所述ROI区域的最佳脉搏波，从所述面部图像数据中提取面部血流分布，具体包括：

利用ROI区域的最佳脉搏波的频谱图的最大幅值对应的频率计算心率，得到标准心率；

将面部图像数据进行等边长分割，将分割得到的每个区域作为一个血流分布检测器，得到多个血流分布检测器；

确定每个所述血流分布检测器的最佳脉搏波；