[发明专利]一种人脸微表情识别方法及装置

权利要求书

1.一种人脸微表情识别方法，其特征在于，包括：

获取待识别的人脸微表情图像序列；

分别获取所述人脸微表情图像序列的每个像素的HLTP特征；其中，所述HLTP特征是在Haar特征的基础上结合LTP特征得到的图像特征；

基于每个像素的HLTP特征，确定所述人脸微表情图像序列在时空三维平面的每一平面上的特征直方图；

根据所述人脸微表情图像序列在时空三维平面的每一平面上的特征直方图，对所述人脸微表情图像序列进行分类，确定所述人脸微表情图像序列对应的表情类别。

2.根据权利要求1所述的方法，其特征在于，在获取待识别的人脸微表情图像序列后，所述方法还包括：

对所述人脸微表情图像序列进行放大、去噪和归一化处理。

3.根据权利要求1所述的方法，其特征在于，所述分别获取所述人脸微表情图像序列的每个像素的HLTP特征，包括：

对应于所述人脸微表情图像序列在时空三维平面的每一平面上的每个像素，分别执行如下处理：

通过对HLTP编码模型以及特征计算区域进行卷积计算，计算得到该像素的特征计算阈值；其中，所述特征计算区域是指在该像素所在的平面上，以该像素为中心的设定大小的图像区域；

根据HLTP编码模型与该特征计算区域的卷积结果以及该特征计算阈值，计算确定该像素的HLTP特征值。

4.根据权利要求1所述的方法，其特征在于，所述基于每个像素的HLTP特征，确定所述人脸微表情图像序列在时空三维平面的每一平面上的特征直方图，包括：

对应时空三维平面的每一平面，分别进行如下处理：

对所述人脸微表情图像序列在该平面上的每个像素的HLTP特征进行统计，确定所述人脸微表情图像序列在该平面上的特征直方图。

5.根据权利要求1所述的方法，其特征在于，所述根据所述人脸微表情图像序列在时空三维平面的每一平面上的特征直方图，对所述人脸微表情图像序列进行分类，确定所述人脸微表情图像序列对应的表情类别，包括：

根据所述人脸微表情图像序列在时空三维平面的每一平面上的特征直方图，确定所述人脸微表情图像序列的特征直方图；

将所述人脸微表情图像序列的特征直方图输入预先训练的表情分类模型，确定所述人脸微表情图像序列对应的表情类别；

其中，所述表情分类模型通过对人脸微表情图像序列样本在时空三维平面的每一平面上的特征直方图进行权重设置，并基于设置的权重以及人脸微表情图像序列样本在时空三维平面的每一平面上的特征直方图，对人脸微表情图像序列样本进行表情分类训练得到。

6.根据权利要求5所述的方法，其特征在于，所述表情分类模型的训练过程，包括：

对应于预设的每种表情类别，分别通过如下处理训练对应的SVM分类器：

获取人脸微表情图像序列样本在时空三维平面的每一平面上的特征直方图；

为人脸微表情图像序列样本在时空三维平面的每一平面上的特征直方图分别设置权重，并获取人脸微表情图像序列样本的加权特征直方图；

使SVM分类器基于人脸微表情图像序列样本的加权特征直方图，对人脸微表情图像序列样本进行表情分类；

基于表情分类结果以及与人脸微表情图像序列样本对应的表情类别标签，对SVM分类器进行参数校正；

重复上述过程，直至SVM分类器能准确地对人脸微表情图像序列样本进行表情分类；

将训练得到的对应预设的每种表情类别的SVM分类器进行组合，得到表情分类模型。