[发明专利]一种微表情的检测方法

说明书

本发明提供了一种微表情的检测方法，包括：从待检测图像序列中的每一个图像帧中提取N个特征点并对齐人脸；从N个特征点中选取K个关键特征点并划分为M个特征点集群；从M个特征点集群中选取待检测集群；选取基础帧；计算每一个图像帧中的待检测集群的关键点向量；将基础帧的关键点向量作为基础向量，计算每一个图像帧的形变矢量；将最大形变矢量的D倍作为形变阈值；将所有形变矢量大于形变阈值的图像帧加入到准微表情帧序列中；当准微表情帧序列中存在连续帧，且帧数大于或等于预设的帧阈值时，将连续帧作为微表情帧序列。应用本发明可从待检测图像序列中检测得到所需检测的微表情，并大大提高了微表情的识别能力和检测方法的鲁棒性。

技术领域

本申请涉及模式识别以及计算机视觉技术领域，尤其涉及一种微表情的检测方法。

背景技术

近年来，通过对声音、面部表情、肢体语言等特征进行情绪识别来实现人机交流的技术迅速发展。其中，面部表情在分析人类情绪方面占有重要地位，但是，在很多情况下人们会隐藏或抑制他们真实的情感。

微表情是一种持续时间仅为1/25秒至1/5秒的非常快速的表情，它可以揭示人类试图隐藏的真实情感，因此在国家安全、临床诊断、案件侦破、危险预警、个人防卫等领域都展现出良好的应用前景，尤其是在测谎方面有重要的应用价值。但是，微表情的研究起步较晚，还存在大量有待解决的问题。

微表情检测是指从图像序列中确定微表情起始帧、高潮帧和结束帧的位置，它是微表情数据库建立及微表情识别算法过程中非常重要的环节。准确高效的检测技术能极大的促进微表情数据库以及微表情自动识别技术的发展，在临床检测、案件侦查以及公共安全等领域具有十分重要的应用前景和价值。

在实际生活中，由于微表情持续时间短且强度低的特点，它很难被肉眼识别。当前仅有经过高强度训练的人能区分微表情。但是，即使经过正确地训练，通过人工方式进行识别的正确识别率也仅有47％。因此，计算机视觉和模式识别领域的研究者需要研发微表情检测技术来检测微表情，同时它也在近年来成为了炙手可热的研究课题。

近年来随着计算机视觉和模式识别技术的飞速发展，微表情自动检测技术取得了很多成果。例如，2009年，Shreve等将人脸划分为几个主要区域，采用稠密光流法提取图像特征值并使用中心插分法估计光流变化，通过与设定的阈值比较来检测微表情。但是，该方法将人脸区域简单的划分为8块，并且忽略了眼睛等很多重要的表情部位。同年，Polikovsky等采用3D梯度方向直方图的方法在自己的微表情数据库中检测出微表情起始阶段、峰值阶段和结束阶段的持续时间；2011年，Sherve等人利用光流法在自己建立的表情和微表情混合数据库上对两种表情(宏表情和微表情)开展了检测实验；随后Wu等人采用提取图像Gabor特征并由SVM分类训练的方法捕捉微表情。2014年，Moilanen等提出利用LBP直方图特征计算图像序列的时空信息来检测微表情；随后Davison等用HPG特征代替LBP特征提取图像序列特征后，设定了一个基线阈值通过对比来检测微表情。2016年Xia等人提出了一种基于几何形变模型的微表情检测方法，该方法用随机漫步模型估测当前帧处于微表情帧序列的概率；同年Qu等发布了数据库用于表情和微表情检测，并利用LBP-TOP算法提取样本特征来检测微表情，取得了一定的检测效果。

但是，现有技术中的微表情的检测方法还存在一些问题，其检测结果的准确性仍然不是很高，自动识别能力仍然不是很强。

发明内容

有鉴于此，本发明提供了一种微表情的检测方法，从而可以从待检测图像序列中检测得到所需检测的微表情，并大大提高了微表情的识别能力和检测方法的鲁棒性。

本发明的技术方案具体是这样实现的：

一种微表情的检测方法，该方法包括：

针对待检测图像序列中的每一个图像帧，对图像帧中的人脸进行特征点检测，提取得到N个特征点；