一种人脸情绪智能识别分析设备的制作方法

本发明涉及人脸情绪智能识别领域，涉及到一种人脸情绪智能识别分析设备。

背景技术：

1、表情识别是计算机理解人类情感的一个重要方向，是指从静态图片或者视频序列中识别出表情状态，从而确定人物的情绪与心理变化，人脸表情识别作为人脸识别技术的一个重要组成部分，在计算机视觉、人机交互和情感计算中有着广泛的研究前景，包括人机交互、情绪分析、智能安全、娱乐、网络教育和智能医疗等。

2、其中，人脸表情识别在精神类疾病的辅助治疗方面有一定的作用，通过监测患者在干预治疗后的情绪变化，可以评估患者治疗方案的疗效，进而有利于优化患者的治疗方案。

3、现有的人脸表情识别方法存在一些不足：第一方面，现有方法在判断测试者面部表情的类型时，选择将测试者面部图片与大数据库中各类型面部表情的图片进行比对或者与设定的面部表情标准图片进行比对，进而得到测试者面部表情的类型，没有选择将测试者面部图片与测试者自身的各种面部表情的样本图片进行比对，同一种情绪在每个人的面部呈现有所差异，五官的变化和程度有所不同，特别是一些面部五官具有先天性缺陷的人群，这些人面部情绪的表达呈现可能与常人不同，因此在识别面部表情的类型时需要进行独立性和个性化的分析，进而提高人脸表情识别结果的可靠性。

4、第二方面，人脸表情是由面部五官的整体协调配合而最终呈现的效果，现有方法大都依据与面部表情关联性强的某个特征部位的状态来判断面部表情的种类，如判断微笑表情时，依据与微笑表情关联性强的嘴巴部位的嘴角上扬状态来判断，缺乏对面部各特征部位的综合考量与评估，存在一定的片面性，从而使得面部表情识别结果的误差较大。

技术实现思路

1、针对上述问题，本发明提出了一种人脸情绪智能识别分析设备，实现对人脸情绪智能识别的功能。

2、本发明解决其技术问题采用的技术方案是：本发明提供一种人脸情绪智能识别分析设备，包括：面部表情样本图像录入模块：用于获取精神卫生中心疗养区中目标患者各种面部表情的各样本图像。

3、面部表情样本图像解析模块：用于对目标患者各种面部表情的各样本图像依次进行预处理、人脸检测、特征部位获取和特征点提取，进一步得到目标患者各种面部表情的各样本图像中各特征部位的肌肉运动轨迹。

4、面部表情识别模型构建模块：用于对目标患者各种面部表情的各样本图像中各特征部位的肌肉运动轨迹进行比对分析，得到目标患者各种面部表情对应的各特征部位的典型肌肉运动轨迹，构建目标患者各种面部表情的识别模型。

5、情感数据库：用于存储目标患者各种面部表情的识别模型。

6、目标患者脸部图像采集模块：用于采集观察期内各监测周期中各采样时间点目标患者的各脸部图像。

7、目标患者脸部表情识别模块：用于对观察期内各监测周期中各采样时间点目标患者的各脸部图像进行识别，获取观察期内各监测周期中各采样时间点目标患者各脸部图像的表情。

8、目标患者情绪变化监测模块：用于根据观察期内各监测周期中各采样时间点目标患者各脸部图像的表情，分析观察期内各监测周期中各采样时间点目标患者的各种情绪的相对比例系数，绘制观察期内各监测周期中目标患者的各种情绪的趋势曲线。

9、目标患者心理健康测评模块：用于根据观察期内各监测周期中目标患者的各种情绪的趋势曲线，分析目标患者的心理健康评估指数，并进行反馈。

10、在上述实施例的基础上，所述面部表情样本图像解析模块的具体分析过程为：s1：对目标患者各种面部表情的各样本图像进行倾斜校正、尺寸调节和分辨率调节，并进行格式归一化，得到预处理后的目标患者各种面部表情的各样本图像。

11、s2：通过人脸检测算法获取预处理后的目标患者各种面部表情的各样本图像的人脸区域。

12、s3：通过面部特征的检测算法获取预处理后目标患者各种面部表情的各样本图像中人脸区域的各特征部位，其中特征部位包括眉毛部位、眼睛部位、鼻子部位、嘴巴部位和脸颊部位。

13、s4：获取预处理后目标患者各种面部表情的各样本图像人脸区域中各特征部位的轮廓线，按照预设的特征点标记方法在预处理后目标患者各种面部表情的各样本图像人脸区域中各特征部位的轮廓线上标出其特征部位对应的各特征点，得到预处理后目标患者各种面部表情的各样本图像中人脸区域中各特征部位的各特征点。

14、s5：将预处理后目标患者各种面部表情的各样本图像人脸区域中各特征部位的各特征点依次连接，得到目标患者各种面部表情的各样本图像中各特征部位的肌肉运动轨迹。

15、在上述实施例的基础上，所述面部表情识别模型构建模块的具体分析过程为：将目标患者各种面部表情的各样本图像中各特征部位的肌肉运动轨迹进行比对分析，获取目标患者各种面部表情中各特征部位的最具代表性的肌肉运动轨迹，将其记为目标患者各种面部表情对应的各特征部位的典型肌肉运动轨迹，进一步构建目标患者各种面部表情的识别模型。

16、在上述实施例的基础上，所述目标患者脸部图像采集模块的具体分析过程为：设定观察期的时长，按照预设的等时长原则将观察期划分为各监测周期，并按照预设的等时间间隔在监测周期内设置各采样时间点，设定单次采集的目标患者脸部图像的总数量，通过人脸面部表情识别仪器的高清摄像头获取观察期内各监测周期中各采样时间点目标患者的各脸部图像。

17、在上述实施例的基础上，所述目标患者脸部表情识别模块的具体分析过程包括：获取观察期内各监测周期中各采样时间点目标患者的各脸部图像中各特征部位的图像，进一步得到观察期内各监测周期中各采样时间点目标患者各脸部图像中各特征部位的肌肉运动轨迹。

18、提取情感数据库中存储的目标患者各种面部表情的识别模型，得到目标患者各种面部表情对应的各特征部位的典型肌肉运动轨迹。

19、将观察期内各监测周期中各采样时间点目标患者各脸部图像中各特征部位的肌肉运动轨迹与目标患者各种面部表情对应的各特征部位的典型肌肉运动轨迹进行比对，得到观察期内各监测周期中各采样时间点目标患者各脸部图像中各特征部位的肌肉运动轨迹与各种面部表情中对应特征部位的典型肌肉运动轨迹的相似度，将其记为，表示第个监测周期的编号，，表示第个采样时间点的编号，，表示第个脸部图像的编号，，表示第个特征部位的编号，，表示第种面部表情的编号，。

20、通过分析公式得到观察期内各监测周期中各采样时间点目标患者各脸部图像与各种面部表情的第一匹配系数，其中表示预设的第一匹配系数的修正因子，表示预设的第个特征部位的权值，，表示面部表情的种类数量。

21、在上述实施例的基础上，所述目标患者脸部表情识别模块的具体分析过程还包括：根据目标患者各种面部表情对应的各特征部位的典型肌肉运动轨迹，得到目标患者各种面部表情对应的各特征部位中各特征点的参考位置。

22、获取观察期内各监测周期中各采样时间点目标患者各脸部图像中各特征部位中各特征点的位置。

23、将观察期内各监测周期中各采样时间点目标患者各脸部图像中各特征部位中各特征点的位置与各种面部表情中对应特征部位中对应特征点的参考位置进行比对，得到观察期内各监测周期中各采样时间点目标患者各脸部图像中各特征部位中各特征点的位置与各种面部表情中对应特征部位中对应特征点的参考位置之间的距离，将其记为，表示特征部位中第个特征点的编号，。

24、通过分析公式得到观察期内各监测周期中各采样时间点目标患者各脸部图像与各种面部表情的第二匹配系数，其中表示预设的第二匹配系数的修正因子，表示自然常数，表示预设的特征点位置单位偏差对应的影响因子，表示预设的第个特征点的权重，。

25、在上述实施例的基础上，所述目标患者脸部表情识别模块的具体分析过程还包括：通过分析公式得到观察期内各监测周期中各采样时间点目标患者各脸部图像与各种面部表情的吻合指数，其中分别表示预设的第一匹配系数和第二匹配系数的权重因子。

26、将观察期内各监测周期中各采样时间点目标患者各脸部图像与各种面部表情的吻合指数进行相互比较，将最大吻合指数对应的面部表情作为脸部图像的表情，统计得到观察期内各监测周期中各采样时间点目标患者各脸部图像的表情。

27、在上述实施例的基础上，所述目标患者情绪变化监测模块的具体分析过程为：将观察期内各监测周期中各采样时间点目标患者各脸部图像的表情与预设的各种情绪对应的表情集合进行比对，赋予观察期内各监测周期中各采样时间点目标患者各脸部图像的情绪标签。

28、将观察期内各监测周期中各采样时间点目标患者各脸部图像按照相同情绪标签进行归类，得到观察期内各监测周期中各采样时间点目标患者各种情绪对应的脸部图像数量，并将其除以设定单次采集的目标患者脸部图像的总数量，得到观察期内各监测周期中各采样时间点目标患者的各种情绪的相对比例系数，进一步绘制观察期内各监测周期中目标患者的各种情绪的趋势曲线。

29、在上述实施例的基础上，所述目标患者心理健康测评模块的具体分析过程包括：将观察期内各监测周期中目标患者的各种情绪的趋势曲线与预设的观察期内目标患者的各种情绪的期望趋势曲线进行比对，获取观察期内各监测周期中目标患者的各种情绪的符合度，并表示为，表示第种情绪的编号，。

30、在上述实施例的基础上，所述目标患者心理健康测评模块的具体分析过程还包括：通过分析公式得到目标患者的心理健康评估指数，其中表示监测周期的数量，表示第种情绪的权重因子，，表示预设的情绪的符合度阈值，表示观察期内第个监测周期中目标患者的第种情绪的符合度，将其反馈至目标患者的心理咨询师。

31、相对于现有技术，本发明所述的一种人脸情绪智能识别分析设备以下有益效果：1.本发明通过获取患者各种面部表情的样本图像集，分析患者各种面部表情对应的各特征部位的典型肌肉运动轨迹，构建患者各种面部表情的识别模型，根据患者自身的面部表情样本图像构建其适配的面部表情识别模型，相比于依据第三方图片数据构建的面部表情识别模型，识别率更高，从而使得基于面部表情识别模型的面部表情识别的结果更加精准，有利于对患者心理情绪做出科学的趋向性分析与评估。

32、2.本发明通过获取患者各脸部图像中各特征部位的肌肉运动轨迹和各特征部位中各特征点的位置，分析患者各脸部图像与各种面部表情的吻合指数，进一步得到患者各脸部图像的表情，在识别患者面部表情时对患者面部各特征部位进行综合考量与评估，进而减少面部表情识别结果的误差。

33、3.本发明通过获取观察期内各监测周期中各采样时间点患者各脸部图像的表情，分析观察期内各监测周期中各采样时间点患者的各种情绪的相对比例系数，进一步分析患者的心理健康评估指数，能够客观地捕捉和分析患者的情绪状态，为心理咨询师提供更多的信息和依据，从而更准确地评估患者的心理健康状况，并制定更恰当的治疗方案。