一种异常微表情识别装置的制作方法

本发明提出了一种异常微表情识别装置，该装置属于机器学习和模式识别领域。

背景技术：

微表情的出现频率和幅度都很低，普通人对它的识别能力并不高。为此，Ekman 发明了微表情识别训练工具（Micro Expression Training Tool，METT），通过该训练，大多数人都提高了识别微表情的能力。随着计算机智能和人机交互技术的发展，使用计算机自动识别微表情有利于进一步研究微表情的机理，使其在日常生活中得到更广泛地应用。

技术实现要素：

发明的目的：

本发明提供一种异常微表情识别装置，该装置可以根据微表情分析被测人员的心理活动，该方法建立在已经发生微表情的基础上，使用计算机来判断微表情的类别，具有快速，易操作的优点。

本发明采用的技术方案是：

一种异常微表情识别装置，该装置由摄像头、显示屏、底座、前支架、后支架、转动装置、图像处理单元、Android设备、Wi-Fi模块、电源模块、路由器、USB线、图像处理单元供电导线、转动装置供电导线、感光传感器、微控制器、舵机组成；转动装置和后支架在底座的右侧，电源模块和图像处理单元在底座的左侧；前支架安装在转动装置上，前支架上端设有用来捕获微表情的摄像头，后支架上端设有显示屏，后支架比前支架高15cm，摄像头通过USB线与图像处理单元相连接，Wi-Fi模块安装在底座的左上角处，图像处理单元通过Wi-Fi模块将处理结果发送给Android设备。

所述转动装置由感光传感器、微控制器、舵机组成，电源模块通过转动装置供电导线给感光传感器、微控制器、舵机供电。当室内光强发生变化时，微控制器接收感光传感器的信号，从而驱动舵机调节前支架的位置，从而调节摄像头的位置，此装置可以根据光线强弱自动调节摄像头的位置，使分析结果不受光照强度的影响。

所述摄像头具有自动跟踪和对焦的功能。

在采集微表情时，被测者佩戴耳机并且一直观看表情显示屏，摄像头正对测试者面目进行视频采集，采集的视频通过USB线传输到图像处理单元。

所述电源模块通过图像处理单元供电导线给图像处理单元供电。

所述图像处理单元通过Wi-Fi模块与Android设备连接，图像处理单元将分析结果发送给Android设备，Android设备实时显示微表情分类结果。

附图说明

图1是本发明一种异常微表情识别装置的连接框图。

图2是本发明转动装置的结构图。

图3是本发明图像处理单元处理微表情的流程图。

具体实施方式

一种异常微表情识别装置，结合图1和图2所示，该装置由摄像头(1)、显示屏(2)、底座(3)、前支架(4)、后支架(5)、转动装置(6)、图像处理单元(7)、Android设备(8)、Wi-Fi模块(9)、电源模块(10)、路由器(11)、USB线(12)、 转动装置供电导线(13)、图像处理单元供电导线 (14)、感光传感器(15)、微控制器(16)、舵机(17)组成；转动装置(6)和后支架(5)在底座(3)的右侧，电源模块(10)和图像处理单元(7)在底座(3)的左侧；前支架(4)安装在转动装置(6)上，前支架(4)上端设有用来捕获微表情的摄像头(1)，后支架(5)上端设有显示屏(2)，后支架(5)比前支架(4)高15cm，摄像头(1)通过USB线(12)与图像处理单元(7)相连接，Wi-Fi模块(9)安装在底座(3)的左上角处，图像处理单元(7)通过Wi-Fi模块(9)将处理结果发送给Android设备(8)。

所述转动装置(6)由感光传感器(15)、微控制器(16)、舵机(17)组成，电源模块(10)通过转动装置供电导线(13)给感光传感器(15)、微控制器(16)、舵机(17)供电。当室内光强发生变化时，微控制器(16)接收感光传感器(15)的信号，从而驱动舵机(17)调节前支架(4)的位置，从而调节摄像头(1)的位置，此装置可以根据光线强弱自动调节摄像头(1)的位置，使分析结果不受光照强度的影响。

所述摄像头(1)具有自动跟踪和对焦的功能。

在采集微表情时，被测者佩戴耳机并且一直观看表情显示屏(2)，摄像头(1)正对测试者面目进行视频采集，采集的视频通过USB线(12)传输到图像处理单元(7)。

所述电源模块(10)通过图像处理单元供电导线(14)给图像处理单元(7)供电。

所述图像处理单元(7)通过Wi-Fi模块(9)与Android设备(8)连接，图像处理单元(7)将分析结果发送给Android设备(8)，Android设备(8)实时显示微表情分类结果。

所述图像处理单元(7)包括四个处理阶段：

微表情序列图像预处理(S1)：对所述摄像头(1)采集的图片进行了相应的灰度归一化处理，并且使用时间插值算法来将序列归一化到同样的长度，时间插值算法可以在不失真的前提下任意改变序列长度，给后续的处理提供了稳定的条件。

微表情特征提取(S2)：首先，提取静态图像的局部二值模式，然后，引申到三个正交面，获得序列的局部二值模式。

微弱表情放大(S3)：将特征点运动放大算法应用于表情幅度微弱的序列，针对各个类型的序列采取不同的特征点放大参数，将其拟合成相应的夸张表情序列。

表情分类的实现(S4)：选取 SVM 作为本发明的分类算法。

经过表情分类后，当出现异常微表情时，图像处理单元(7)将处理结果发送到Android设备(8)。