[发明专利]一种基于LDDMM曲线匹配的人脸情感识别方法

摘要

本发明提供的方法利用LDDMM曲线匹配所具有的能够反映物体几何形变的特点来对人脸的表情实行精确的识别，因而能够实现精确的情感识别。同时，本发明提供的方法在进行LDDMM曲线匹配时，是分别通过被识别样本的中性表情轮廓的曲线与被识别样本的有特征表情轮廓的曲线、被识别样本的有特征表情轮廓的曲线与每种类型表情的平均有特征表情轮廓G的曲线进行匹配的，然后利用两种匹配所产生的微分同胚映射来进行特征的提取。两种特征的提取及融合使得本发明提供的方法能够充分挖掘被识别样本、识别样本之间的联系并用于后续的识别，因此，本发明提供的方法能够实现对情感的精确识别。

主权项

1.一种基于LDDMM曲线匹配的人脸情感识别方法，其特征在于：包括以下步骤：S1.构建识别样本集：为每个样本构建图像序列，所述图像序列包括了由中性表情变化到有特征表情的多帧图像；S2.对图像序列中的每帧图像进行特征点的提取，然后将每帧图像提取的特征点根据其所在的脸部区域进行划分，将划分的各个脸部区域内的特征点连接起来，得到一条曲线；所述每帧图像的表情轮廓通过所有脸部区域的曲线进行表征；S3.对于所有的图像序列中的中性表情轮廓，将其标记为N_i，i＝1,2,…,n，i表示图像序列的序号；以N₁作为参考，对其他所有的中性表情轮廓进行普氏变换，得到变换后的中性表情轮廓N′_j,j＝2,…,n；S4.将N₁和N′₂、N′₃、…、N′_n进行求平均处理，得到识别样本集的平均中性表情轮廓M；S5.对于所有的图像序列中的中性表情轮廓和有特征表情轮廓，以平均中性表情轮廓M进行普氏变换，完成预处理；S6.对于每种类型表情的所有图像序列中的有特征表情轮廓进行求平均处理，得到该类型表情的平均有特征表情轮廓G；S7.对于被识别样本的图像序列，通过步骤S2的方法得到表征其每帧图像的表情轮廓的曲线；然后将被识别样本的中性表情轮廓和有特征表情轮廓以平均中性表情轮廓M进行普氏变换，完成预处理；S8.将被识别样本的中性表情轮廓的曲线与被识别样本的有特征表情轮廓的曲线进行LDDMM曲线匹配，得到一个微分同胚映射q表示表情轮廓的曲线号；S9.将被识别样本的有特征表情轮廓的曲线与每种类型表情的平均有特征表情轮廓G的曲线进行LDDMM曲线匹配，得到一个微分同胚映射k表示表情的类别号；S10.分别从中进行特征的提取；S11.使用线性组合的方法对分别从中提取的特征进行融合；S12.使用SVM分类器进行学习识别，输出被识别样本所属的表情类型，进而实现情感识别。