微表情自动识别的建库视频自动切段方法与流程

技术特征：
1.微表情自动识别的建库视频自动切段方法，包括如下步骤：步骤一：把建库视频分解为连续的单帧图像；步骤二：对每帧图像的人脸位置进行标定；步骤三：对每帧图像中人脸上的眼睛和鼻子的位置进行标定；步骤四：根据步骤三中获取的眼睛和鼻子的位置对图像进行裁剪，只保留每帧图像的脸部区域；步骤五：选取一张同一个人的无表情的图像作为模板，逐帧与模板进行比较，剔除非微表情的图像；步骤六：对步骤五中剩余的微表情图像，采用基于内容的切段方法对视频进行切段；所述步骤五中剔除非微表情图像的方法：选取一张无表情的图像作为模板，对上述步骤四中裁剪出来的图像逐个比较其与模板图像的灰度直方图的差异，如果帧间的灰度直方图差异小于根据图像内容自动选取的阈值时，则把所述帧图像认为是非微表情图像，并剔除掉；如果帧间差异大于根据图像内容自动选取的阈值，则把所述帧图像认为是微表情图像；上述根据图像内容自动选取阈值的方法为：假设Di为第i帧图像与无表情模板图像的灰度直方图的差值，α为自适应系数，其中0≤α≤1，设置常数c是为了防止帧间差值几乎为零时而无法自动选取阈值，当满足下式时，则把所述帧图像认为是非微表情图像其中，Dq为第q帧图像与无表情模板图像的灰度直方图的差值；当时，则把所述帧图像认为是微表情图像。2.根据权利要求1所述的微表情自动识别的建库视频自动切段方法，其特征在于，所述步骤二中对人脸位置的标定方法，是采用现有Adaboost算法训练好的人脸分类器，确定人脸在每帧图像中的位置。3.根据权利要求1所述的微表情自动识别的建库视频自动切段方法，其特征在于，所述步骤三中眼睛和鼻子的位置标定方法，包括步骤如下：1)采用现有Adaboost算法训练好的眼睛分类器和鼻子分类器在步骤二中得到的图像的脸部区域搜索；2)把得到的眼睛区域提取出来，得到瞳孔的坐标位置和瞳孔区域的大小；因为在眼睛区域中，瞳孔的灰度值普遍很低，利用这一特点，对眼睛区域利用水平和垂直方向的积分投影的方法，即可得到瞳孔的坐标位置和瞳孔区域的大小。4.根据权利要求1所述的微表情自动识别的建库视频自动切段方法，其特征在于，所述步骤四中裁剪的方法是：根据前述步骤三中获取的鼻子和眼睛瞳孔的位置坐标以及比例关系，以鼻子为中心，以两眼之间的距离的2倍为宽，以鼻子到两眼之间连线的垂直距离的5倍为高，画出一个矩形区域，按照此矩形区域对原图像进行裁剪。5.根据权利要求1所述的微表情自动识别的建库视频自动切段方法，其特征在于，所述步骤六中基于内容的切段方法为：是通过对图像纹理特征的描述和比较，对相邻帧图像的相关性进行度量，取得一个描述帧间差距的量，寻找帧间差距的局部最大值点所对应的帧图像，即为切段点；帧图像纹理特征的提取，采用二维Haar小波变换方法，是对帧图像进行2层小波变换，以小波变换的7个小波系数组成一个特征向量，作为帧图像的纹理特征表述方式；根据帧图像描述纹理特征的特征向量计算出相邻帧之间特征向量的欧氏距离，作为度量帧间差值的量，找出帧间差值取局部最大值点，以对应帧作为切段点，即从中提取出微表情视频的独立子段，实现建库视频的自动切段，具体步骤如下：(1)采用二维Haar小波变换方法对帧图像进行2层小波变换，假设j为采用小波变换对图像分解的级数，则第j级二维图像小波系数由第j-1级的小波系数的加权和表示，其中h()为低通分解滤波器，g()为高通分解滤波器，第j级图像的像素点的行和列用m,n来表示，第j-1级图像像素点的行和列用k，l来表示；低频子图像的小波系数水平高频子图像的小波系数垂直高频子图像的小波系数对角高频子图像的小波系数对图像进行2层Haar小波变换有7个小波系数，把这7个小波系数组合成一个特征向量其中，上角标j和j+1分别表示第j级和第j+1级，D表示对角高频标识，h表示水平高频标识，v表示垂直高频标识；(2)计算帧间特征向量的欧氏距离Ci，其中，和分别表示第i帧和第i-1帧的由Haar小波系数组成的特征向量；(3)对帧间特征向量的欧氏距离取大于平均值的局部最大值，而且局部最大值要求大于前后3帧的距离值，以上述局部最大值对应的帧作为切段点，即从中提取出微表情的独立子段，从而实现对建库视频的自动切段。