1.一种人脸表情识别方法,其特征在于,包括:
从原始图像中检测出人脸;
对检测的人脸进行人脸对齐和特征点定位;
从人脸图像中提取出面部特征信息;
根据获取的特征数据,进行表情分类,实现人脸表情识别。
2.根据权利要求1所述的方法,其特征在于,所述从原始图像中检测出人脸包括:
基于局部二进制模式逐行扫描原始图像,得到响应图像;
采用AdaBoost算法对所述响应图像进行人脸检测,检测出人脸的存在;
采用AdaBoost算法进行人眼检测,分离出人脸区域;
优选地,所述采用AdaBoost算法进行检测过程中按照1.25-0.9进行多尺度检测。
3.根据权利要求1所述的方法,其特征在于,所述对检测的人脸进行人脸对齐和特征点定位包括:
采用局部约束模型对面部特征点进行标注。
4.根据权利要求1所述的方法,其特征在于,所述从人脸图像中提取出面部特征信息包括:
选取体现各类表情之间差异性的区域,提取基于形变的表情特征和基于运动的表情特征的两种类型的特征;
采用递归特征消除及线性向量机做特征评估,对选取的特征进一步进行特征选择;
优选地,所述体现各类表情之间差异性的区域包括眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点;
优选地,所述从人脸图像中提取出面部特征信息还包括:对提取的面部特征信息进行特征选择,获取面部特征子集,保存面部特征信息,用于表情识别。
5.根据权利要求1所述的方法,其特征在于,所述根据获取的特征数据,进行表情分类,实现人脸表情识别包括:
根据提取的面部特征信息,选取样本,利用先验知识训练表情分类器,每个样本对应相应的表情标签;
通过表情分类器,采用最小二乘规则,实现表情分类;
优选地,所述根据获取的特征数据,进行表情分类,实现人脸表情识别还包括:
用已知标签的表情特征制造基向量空间,待测表情通过将其特征投影到此空间来判断表情类别,进行人脸表情识别。
6.一种人脸表情识别系统,其特征在于,所述系统包括:人脸检测模块、特征点定位模块、特征提取模块、人脸表情识别模块;
所述人脸表情识别模块,用于从原始图像中检测出人脸;
所述特征点定位模块与所述人脸检测模块相连,用于对检测的人脸进行人脸对齐和特征点定位;
所述特征提取模块与所述特征点定位模块相连,用于从人脸图像中提取出面部特征信息;
所述人脸表情识别模块与所述特征提取模块相连,用于根据提取的面部特征信息,将待识别的人脸表情数据通过所训练的表情分类器进行最大可能性的预测,找出可能性最高的表情类别,实现人脸表情识别。
7.根据权利要求6所述的系统,其特征在于,所述人脸检测模块基于局部二进制模式逐行扫描原始图像,得到响应图像;
采用AdaBoost算法对所述响应图像进行人脸检测,检测出人脸的存在;
采用AdaBoost算法进行人眼检测,分离出人脸区域。
8.根据权利要求6所述的系统,其特征在于,所述特征点定位模块采用局部约束模型对面部特征点进行标注。
9.根据权利要求6所述的系统,其特征在于,所述特征提取模块选取体现各类表情之间差异性的区域,提取基于形变的表情特征和基于运动的表情特征的两种类型的特征;
采用递归特征消除及线性向量机做特征评估,对选取的特征进一步进行特征选择;
优选地,所述体现各类表情之间差异性的区域包括眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点;
优选地,所述特征提取模块对提取的面部特征信息进行特征选择,获取面部特征子集,保存面部特征信息,用于表情识别。
10.根据权利要求6所述的系统,其特征在于,所述人脸表情识别模块根据获取的特征数据,进行表情分类,实现人脸表情识别包括:根据提取的面部特征信息,选取样本,利用先验知识训练表情分类器,每个样本对应相应的表情标签;
通过表情分类器,采用最小二乘规则,实现表情分类;
优选地,所述人脸表情识别模块用已知标签的表情特征制造基向量空间,待测表情通过将其特征投影到此空间来判断表情类别,进行人脸表情识别。