一种基于人脸的情感健康促进方法及系统的制作方法
【技术领域】
[0001] 本发明涉及一种基于人脸的情感健康促进方法及系统，属于医疗健康、机器学习 和移动互联网技术领域。
【背景技术】
[0002] 情感状态体现了心理的健康状态，很多人都面临心理压力，或多或少会出现一些 心理情感问题，表现为烦躁，焦虑，抑郁等，需要及时引导，但是这些表现出来的信号，对于 心理学知识缺乏的人一般很难觉察，因此借助信息技术，自动监测并改善是很重要的。人脸 表情包含了丰富的情感信息，是我们理解情感的重要途径，因此通过人脸表情分析就可以 实现人类的情感状态判别，进而判断人类的情感健康情况。研究还表明，若采集用户的人脸 图像，然后生成一个改变了表情的人脸展示给用户观察，若将人脸的表情改变为微笑，用户 就会感到快乐，而那些人脸表情被篡改为皱着眉头，用户就感觉不快乐，因此可通过这种方 法来促进人的快乐感觉。
[0003] 目前很多智能终端如智能手机都支持人脸图像的采集功能，而且是人们经常使用 的工具，用户在使用这些设备时的人脸表情反映的是用户的自然情感，因此通过自动采集 用户使用这些设备时的人脸图像，进而通过人脸表情分析就可以判断用户的情感状态，进 一步可通过修改表情为微笑的方法来促进人类的快乐，也能通过播放情感视频的方法来促 进人的快乐。目前国内还没有发现类似的方法和系统。
【发明内容】
[0004] 本发明要解决的技术问题是：实现个性化的情感健康促进，包括播放合适的情感 视频和表情转换。
[0005] 本发明涉及一种基于人脸的情感健康促进方法，其特征在于该方法包括以下步 骤：
[1] 自动采集用户的人脸图像
[2] 完成人脸情感分类
[3] 根据情感类别生成对应的情感视频，并播放视频
[4] 根据用户的人脸图像生成表情转化了的三维用户人脸图像，并显示用户人脸图像
[5] 评估用户情感变化情况。
[0006] 本发明涉及一种基于人脸的情感健康促进系统，其特征在于系统包括：摄像头控 制模块，人脸图像采集模块，人脸情感分类模块，三维人脸表情转化模块，三维人脸表情显 示模块，情感视频选择模块，情感视频播放模块，用户情感评估模块，人脸表情分类模型学 习模块。其中摄像头控制模块的输出与人脸图像采集模块的输入连接。人脸图像采集模块 的输出与人脸情感分类模块的输入连接。人脸情感分类模块的输出与三维人脸表情转化模 块的输入连接。三维人脸表情转化模块的输出与三维人脸表情显示模块的输入连接。人脸 情感分类模块的输出与幽默笑话视频选择模块的输入连接。视频选择模块的输出与视频播 放模块的输入连接。人脸情感分类模块的输出与用户情感评估模块的输入连接。人脸表情 分类模型学习模块的输出与人脸情感分类模块的输入连接。其中人脸情感分类模型学习模 块是离线独立运行的。
[0007] 有益效果 与现有技术相比，本发明的一种基于人脸的情感健康促进方法及系统具有以下优点：
[1] 采用播放情感视频的方法能有效地促进用户的情感健康
[2] 采用改变用户人脸表情的方法能有效地促进用户的情感健康
[3] 通过手机等智能终端促进用户情感健康，很方便，能让使用者随时改善其情感状 态。
[0008]
【附图说明】 图1一种基于人脸的情感健康促进方法的流程图； 图2 -种基于人脸的情感健康促进系统的结构图。
[0009]
【具体实施方式】 本发明提出的一种基于人脸的情感健康促进方法及系统，结合附图和实施例说明如 下。如图1所示，为一种基于人脸的情感健康促进方法的流程图，该方法包括以下步骤：
[1] 通过控制摄像机，自动采集用户的人脸图像，并以采集时的时间为文件名称将采集 的人脸图像保存为JPEG格式的图片文件，然后提取图片文件的图像特征，形成一个人脸图 像的特征向量；
[2] 完成人脸情感分类，采用支持向量机作为情感分类器，对每个人脸情感特征向量分 类，判断的情感类别为愤怒，高兴，悲伤，惊讶，厌恶，恐惧和平静；
[3] 根据情感状态，从预先设计的表格中选择合适的情感视频播放；
[4] 根据情感状态，根据人脸图像生成并显示情感转化了的三维人脸表情；
[5] 评估用户的情感变化情况，观察是否有情感健康促进作用。
[0010] 其中人脸情感分类模型的获取过程包含以下步骤： (a) 采集1000个人脸图像及其对应的情感类别； (b) 构造每个人脸图像的特征向量； (c) 构造训练数据，以人脸图像的特征向量为输入，其对应的情感类别为输出，构成训 练样本集合； (d) 采用训练样本集合，学习人脸情感分类模型--支持向量机分类器； (e) 以10倍交叉验证方式选择支持向量机分类器的最佳参数，进而获得对应参数的支 持向量机分类器。
[0011] 如图1所述方法的实施案例中，每个关键步骤的实现方法叙述如下。
[0012] 第一步：采集用户的人脸图像。
[0013] 本实施案例通过摄像头等图像捕捉工具获取人脸的静态图像，然后完成图像预处 理，包括图像的大小和灰度的归一化，头部姿态的矫正，人脸图像的检测等。人脸检测算法 采用Viola - Jones的级联分类器算法，它是现在的一个比较优秀的人脸检测算法。这种算 法使用基于Haar特征的级联分类器策略，可快速且有效地找到多种姿态和尺寸的人脸图 像。Android OpenCV提供此该算法的实现。Android OpenCV是Intel开源计算机视觉库 (Computer Version),由一系列C函数和少量C++类构成，实现了图像处理和计算机视 觉方面的很多通用算法。Android OpenCV拥有包括300多个C函数的跨平台的中、高层 API。Android OpenCV提供了对硬件的访问，可以直接访问摄像头，因而我们利用Android OpenCV编程实现人脸图像的采集和检测，从而获得人脸图像。包括两个步骤：第1步是图 片预处理，从摄像头中获得一个帧（一张图片）后，先对这张图片进行一些预处理：将图片 从RGB模式转为灰度图，然后进行灰度图直方图均衡化操作，这步在Android OpenCV中的 实现非常简单。第2步，检测并标记人脸目标，在Android OpenCV中，对于人脸检测的模型 已经建立为一个XML文件，其中包含了上面提到的Haar特征的分类器的训练结果，我们直 接使用这个结果，将待检测的人脸图像和级联分类器模型一同传递给Android OpenCV的目 标检测算法即得到一个检测到的人脸图像。
[0014] 本实施案例提取人脸图像的特征有两类：第1类，利用二维离散小波在不明显损 失图像信息的基础上对表情图像进行变换，再利用离散余弦