[发明专利]面部表情强度计算模型的形成方法及系统

说明书

一种面部表情强度计算模型的形成方法及系统，该模型用于估算表情分类下的面部表情强度，首先获取表情数据库，对表情数据库中的图像数据进行预处理，提取出面部部分的数据，然后分别进行面部几何特征、局部二值模式和Gabor小波变换三种模式的特征提取，分别使用全监督模式、半监督模式和无监督模式对前一步骤输出的数据进行训练，得到特征与面部表情强度的关系，将训练后形成的数据分别作为序数随机森林算法的输入进行训练，分别得出面部表情强度计算子模型，根据各子模型形成最终的面部表情强度计算模型。本发明利用数据库训练出该表情分类下的面部表情强度计算模型，利用该模型对图像数据进行处理，就可以获取该训练完毕的表情分类下的强度。

技术领域

本发明涉及图像处理领域，尤其涉及面部面部表情处理方面，更具体地说，涉及一种面部表情强度计算模型的形成方法及系统。

背景技术

随着图像处理技术的进步，目前出现了许多方法，能够根据采集到的面部图像，识别面部表情，将表情进行分类：如分为高兴、悲伤以及中间态，再如分为激动、平静，或者分为疑惑、害怕、伤心、吃惊等等。分类的方式很多，但是目前这些方法只能针对表情进行粗略的分类，无法获知表情分类下的具体强度，如有多高兴、多悲伤等等，即未基于表情识别做出表情强度的估计。

发明内容

本发明要解决的技术问题在于，针对上述的目前的方法只能针对表情进行粗略的分类，无法获知表情分类下的具体强度的技术缺陷，提供了一种面部表情强度计算模型的形成方法及系统。

根据本发明的其中一方面，本发明为解决其技术问题，提供了一种面部表情强度计算模型的形成方法，所述面部表情强度计算模型用于估算表情分类下的面部表情强度，包含如下步骤：

S1、获取用于训练的包含面部部分的表情数据库，所述数据库包含具有面部表情强度标签的数据库与无面部表情强度标签的数据库；

S2、对所述表情数据库中的图像数据进行预处理，提取出面部部分的数据；

S3、对提取出的面部部分的数据分别进行面部几何特征、局部二值模式和Gabor小波变换三种模式的特征提取；

S4、分别使用全监督模式、半监督模式和无监督模式对步骤S3输出的数据进行训练，得到特征与面部表情强度的关系；

S5、将所述训练后形成的数据分别作为序数随机森林算法的输入进行训练，分别得出面部表情强度计算子模型，将k₁*A₁+k₂*A₂+k₃*A₃作为最终的面部表情强度计算模型，其中系数k₁、k₂、k₃的取值范围均为(0，1)，且k₁+k₂+k₃＝1，A₁、A₂、A₃分别为同一输入条件下全监督模式、半监督模式和无监督模式对应的输出值。

在本发明的面部表情强度计算模型的形成方法中，步骤S2中预处理包括：面部特征点定位、面部识别、图像剪切和直方图均衡化；方案采用主动形状模型ASM获取面部特征点，利用瞳孔间的连线与水平线的夹角，旋转图像使得瞳孔间连线为水平，之后调用OpenCV库中面部识别框架获取图像数据中面部部分，并且剪切面部区域为M*N像素，最后对所有剪切后图像数据进行直方图均衡化处理；其中，M、N均为正整数且均大于3。

在本发明的面部表情强度计算模型的形成方法中，步骤S3中还包括步骤：采用主成分分析方法，分别对三种模式提取的特征进行处理以降低特征数据的维度。

在本发明的面部表情强度计算模型的形成方法中，步骤S3中对于任意一帧：是以该帧中下巴与鼻尖的像素间距离为标准值，将嘴角、下巴、眼角、上下眼皮之间的像素间的相互距离与标准值的该帧中比值作为面部几何特征。