[发明专利]一种图像处理方法及装置

说明书

本申请实施例提供了一种图像处理方法及装置，旨在降低环境因素对识别结果的影响。该图像处理方法包括模型训练过程和图像识别过程，其中，模型训练过程包括：获取训练图像数据，训练图像数据包括至少一张人脸表情图像，和，与人脸表情图像对应的表情标签，表情标签表示人脸表情图像对应的表情，人脸表情图像包括至少一个像素点；提取至少一张人脸表情图像中每张人脸表情图像的灰度变化特征集合，灰度变化特征包集合包括至少一个像素点中每个像素点的灰度变化特征，灰度变化特征用于体现像素点沿各个方向的灰度变化趋势；依据至少一张人脸表情图像中每张人脸表情图像对应的表情标签和灰度变化特征集合进行训练，得到图像处理模型。

技术领域

本申请涉及计算机技术领域，尤其涉及一种图像处理方法及装置。

背景技术

微表情是一种持续时间短且一闪而过的面部表情，持续时间约1/25秒至1/5秒，是人类试图压抑或者隐藏真实情感时泄露的不能自主且不易被观察到的面部表情。与人们有意识做出的表情相比，微表情可以体现出人们真实的情感和态度。通过对人们的微表情进行分析，可以准确分析出人们内心的真实情感，在临床心理学、医学、国家安全等许多领域都有广泛的应用。

为了准确地识别出人们的微表情，目前大多采用人脸识别技术进行识别。在进行微表情识别时，可以先采集人脸表情图像，并对人脸表情图像进行特征提取，再将提取到的特征输入模型，得到识别结果。

现有的微表情识别技术大多利用局部二值模式(Local Binary Pattern，LBP)特征或中心二值模式(centralized binary patterns，CBP)特征作为模型的输入，一定程度上可以体现人脸肌肉运动的趋势。但是LBP特征和CBP特征受光照、遮挡物或噪音等环境因素的影响较大，导致识别结果准确性较差。

发明内容

有鉴于此，本申请实施例提供了一种图像处理方法及装置，旨在降低环境因素对识别结果的影响。

第一方面，本申请实施例提供了一种图像处理方法，所述方法包括模型训练过程和图像识别过程，其中，

所述模型训练过程包括：

获取训练图像数据，所述训练图像数据包括至少一张人脸表情图像，和，与所述人脸表情图像对应的表情标签，所述表情标签表示所述人脸表情图像对应的表情，所述人脸表情图像包括至少一个像素点；

提取所述至少一张人脸表情图像中每张人脸表情图像的灰度变化特征集合，所述灰度变化特征包集合包括所述至少一个像素点中每个像素点的灰度变化特征，所述灰度变化特征用于体现所述像素点沿各个方向的灰度变化趋势；

依据所述至少一张人脸表情图像中每张人脸表情图像对应的表情标签和灰度变化特征集合进行训练，得到图像处理模型；

所述图像识别过程包括：

获取待识别的人脸表情图像；

提取所述待识别的人脸表情图像的灰度变化特征集合，所述灰度变化特征集合包括所述待识别的人脸表情图像中每个像素点的灰度变化特征；

利用训练得到的所述图像处理模型对所述灰度变化特征集合进行处理，得到所述待识别的人脸表情图像对应的表情标签。

可选地，所述至少一个像素点包括第一像素点，所述提取所述至少一张人脸表情图像中每张人脸表情图像的灰度变化特征集合包括提取第一像素点的灰度变化特征；

所述提取第一像素点的灰度变化特征包括：

获取第一像素点的灰度值；

根据所述灰度值计算所述第一像素点的对称幅值二值模式SMBP特征和中心二值模式CBP特征；

根据所述第一像素点的SMBP特征和CBP特征确定所述第一像素点的灰度变化特征。