一种情绪识别装置的制作方法

技术特征：

1.一种情绪识别装置，其特征在于，包括表情认知模块、微表情认知模块和加权融合模块，所述表情认知模块用于将表情情绪映射到连续的情感空间进行识别，所述微表情认知模块用于对细微的情绪变化进行识别，所述加权融合模块用于确定情绪状态。

2.根据权利要求1所述的一种情绪识别装置，其特征在于，表情认知模块：

采用方向梯度直方图对输入图像表情特征进行提取，根据特征维数建立多维表情空间，设表情空间中基本表情Bx_i的中心点为Bx_ic，i＝1,2,…,n，表情空间中某表情点s处的该基本表情的势能定义为：

$E(s,{\mathrm{Bx}}_i)=e^{-\mathrm{\α}\left|\right|s-{\mathrm{Bx}}_{i}c\left|\right|}$

式中，‖·‖表示输入表情与基本表情的欧式距离，α为基本表情的衰减因子；

表情空间中，定义表情点s的势能为：

E(s)＝[E(s,Bx₁),E(s,Bx₂),…,E(s,Bx_n)]

式中，Bx_i表示第i个基本表情，i＝1,2,…,n，E(s)为由表情点s相对各基本表情势能组成的向量，由此确定表情点s的表情。

3.根据权利要求2所述的一种情绪识别装置，其特征在于，微表情认知模块采用直方图序列对微表情进行描述，进而确定微表情类别。

4.根据权利要求3所述的一种情绪识别装置，其特征在于，所述直方图序列具体为：

采用3个尺度，4个方向的Gabor小波对输入图像特征区域特征进行提取，将特征区域划分为m个区域Q₀,Q₁,…,Q_m-1，用直方图统计每个区域的灰度分布属性，具体为：

设图像p(x,y)具有为H个灰度级别，定义图像的直方图为：

z_j＝ln[∑_x,ya×(I{p(x,y)＝j}+1)],j＝0,1,…,H-1

式中，I{·}表示满足括号中条件则记1，否则记0，a表示直方图放大因子，j代表第j个灰度级别，z_j是灰度级为j的像素点的个数；

则从每个区域提取H个灰度级别的直方图可表示为：

$Z_{\mathrm{\α},\mathrm{\β},Q_k}=ln\[{\mathrm{\Σ}}_{(x,y)\∈Q_k}a\×\left(I\right\{GLBP\left(x,y,\mathrm{\α},\mathrm{\β}\right)=j\}+1)\]$

其中，GLBP(x,y,α,β)表示Gabor小波提取的特征值采用局部二值算子进行运算的值，j＝0,1,…,H-1，k＝0,1,…,m-1，α＝0,1,2，β＝0,1,2,3；

微表情的最终描述可表示为m个区域的直方图序列：

Z＝(Z_0,0,0,Z_0,0,m-1,Z_0,1,0,…,Z_2,3,m-1)

式中，Z为12×m×H维的特征向量；

假设样本Z_i都有其对应的微表情类别，计算待分类微表情直方图序列与已知类别微表情直方图序列的欧式距离，与已知类别微表情直方图序列欧式距离最近的确定为待分类微表情类别C。

5.根据权利要求4所述的一种情绪识别装置，其特征在于，加权融合模块采用情绪值确定情绪状态。

6.根据权利要求5所述的一种情绪识别装置，其特征在于，所述情绪值定义为：

$Y={\mathrm{\δ}}_1\×{\mathrm{\Σ}}_{i=1}^n\frac{E(s,{\mathrm{Bx}}_i)}{{\mathrm{\Σ}}_{i=1}^n\[E(s,{\mathrm{Bx}}_i)\]}\[E(s,{\mathrm{Bx}}_i)\]+{\mathrm{\δ}}_2\×E(s,{\mathrm{Bx}}_i)C\left({\mathrm{Bx}}_i\right)$

式中，δ₁、δ₂为权重，E(s,Bx_i)表示表情空间中某表情点s处的基本表情Bx_i的势能，C(Bx_i)＝1，表示微表情类别C所属基本表情类别为Bx_i。