一种人脸面部表情识别分类与分析系统

技术领域

本发明涉及面部识别领域，特别涉及一种人脸面部表情识别分类与分析系统。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

现有技术中对于面部表情识别通常采用的是FER系统，即主要采用人脸捕捉后，直接根据神经网络深度学习以及面部表示分类，通过训练模型来达到面部表情的预测，而由于表情的类间区分特征本身较低，其较为常用的方式也仅为模糊对比学习，一般具有运算过程繁杂，识别效率低等现象，对于较为轻微的表情无法准确预测。

发明内容

本发明要解决的技术问题是克服现有技术的缺陷，提供一种人脸面部表情识别分类与分析系统。

为了解决上述技术问题，本发明提供了如下的第一个技术方案：

本发明涉及一种人脸面部表情识别分类与分析系统，包括图像采集模块、图像预处理模块、特征提取模块和数据库储存分析模块，所述特征提取模块包含有画面几何定点捕捉单元、光源变化提取单元和形状特征提取单元；

所述图像采集模块包含有拍摄装置和图像储存硬盘；

所述图像预处理模块包含有对比度归一化算法，用于对拍摄的图片进行图像大小和灰度的归一化，消除噪声对图像滤波，统一图像灰度值和尺寸；

所述画面几何定点捕捉单元用包含有图像二值化处理算法，用于对处理后的图像设置定位五官识别点，并对其五官所处位置进行几何范围确认五官区域，并且区分面庞边缘和背景；

所述光源变化提取单元包含有阴影检测算法，用于对图像中的与光源有关的阴影部分进行捕捉，并将其阴影部分和画面几何定点捕捉单元所处理的图像结合；

所述形状特征提取单元主要基于softmax函数，用于面容提取和肌肉模型分辨，根据图像的阴影判断肌肉的变化，按照五官肌肉的变化判断面部表情；

所述数据库储存分析模块包含有数据库服务器，且搭载有人工智能算法，用于储存特征提取模块的判断流程和图像预处理模块所处理前和处理后的图片，形成排列条目。

作为本发明的一种优选技术方案，所述图像预处理模块主要基于SDM算法捕捉人脸，根据捕捉后的人脸信息进行图像预处理，将图像旋转拉伸，使人脸图像为统一均值，再将图像整体亮度归一和姿态归一。

作为本发明的一种优选技术方案，所述画面几何定点捕捉单元根据图像预处理模块的人脸识别，进一步扩展五官的识别范围，在二值化后根据Hessian矩阵提取主要特征点，采用最小欧式距离准则进行特征点匹配，并采用RANSAC算法剔除误配点，形成膨胀图像后的五官定点捕捉图像。

作为本发明的一种优选技术方案，所述光源变化提取单元主要基于HSV空间的阴影检测，根据原始图像检测阴影部分的像素，提取目标区域位置。

作为本发明的一种优选技术方案，所述形状特征提取单元基于光源变化提取单元的阴影检测，结合画面几何定点捕捉单元检测五官处的肌肉状态分布，并经由resnet50残差网络算法对整体图像分割，根据softmax函数判断面部肌肉处锚点属于正向还是负向。

作为本发明的一种优选技术方案，所述数据库储存分析模块搭载有人工学习算法，基于python语言和Matlab算法库，根据resnet50残差网络算法的池化和卷积运算后，提取出图像中的五官特征值，并经由connected层链接原图片、预处理图片、画面几何定点捕捉单元和光源变化提取单元的图片，并于数据库服务器中储存相应条目。

与现有技术相比，本发明的有益效果如下：

1：本发明通过设置单向判断流程，按照图像处理算法，根据捕捉人脸的面部形状、光阴、肌肉动向以及空间结构，更快的识别人脸的表情趋势，并得出相应加权结论。

2：本发明经由后续的数据库再次提取特征值的神经网络检测，以及和数据库内部所储存的特征值进行验证，根据面部的纹理趋势，按照单向流程中的信息加权得出最终结论，并反馈至单向判断流程进行辅助修正，同时所采用的趋势判断能够更准确的根据人脸肌肉纹理信息预测表情趋势，达到准确判断细微动作的效果。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

在附图中：

图1是本发明的整体模块结构示意图；

图2是本发明的流程示意图；

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1

如图1-2所示，本发明提供一种人脸面部表情识别分类与分析系统，包括图像采集模块、图像预处理模块、特征提取模块和数据库储存分析模块，特征提取模块包含有画面几何定点捕捉单元、光源变化提取单元和形状特征提取单元；

图像采集模块包含有拍摄装置和图像储存硬盘；

图像预处理模块包含有对比度归一化算法，用于对拍摄的图片进行图像大小和灰度的归一化，消除噪声对图像滤波，统一图像灰度值和尺寸；

画面几何定点捕捉单元用包含有图像二值化处理算法，用于对处理后的图像设置定位五官识别点，并对其五官所处位置进行几何范围确认五官区域，并且区分面庞边缘和背景；

光源变化提取单元包含有阴影检测算法，用于对图像中的与光源有关的阴影部分进行捕捉，并将其阴影部分和画面几何定点捕捉单元所处理的图像结合；

形状特征提取单元主要基于softmax函数，用于面容提取和肌肉模型分辨，根据图像的阴影判断肌肉的变化，按照五官肌肉的变化判断面部表情；

数据库储存分析模块包含有数据库服务器，且搭载有人工智能算法，用于储存特征提取模块的判断流程和图像预处理模块所处理前和处理后的图片，形成排列条目。

图像预处理模块主要基于SDM算法捕捉人脸，根据捕捉后的人脸信息进行图像预处理，将图像旋转拉伸，使人脸图像为统一均值，再将图像整体亮度归一和姿态归一。

画面几何定点捕捉单元根据图像预处理模块的人脸识别，进一步扩展五官的识别范围，在二值化后根据Hessian矩阵提取主要特征点，采用最小欧式距离准则进行特征点匹配，并采用RANSAC算法剔除误配点，形成膨胀图像后的五官定点捕捉图像。

光源变化提取单元主要基于HSV空间的阴影检测，根据原始图像检测阴影部分的像素，提取目标区域位置。

形状特征提取单元基于光源变化提取单元的阴影检测，结合画面几何定点捕捉单元检测五官处的肌肉状态分布，并经由resnet50残差网络算法对整体图像分割，根据softmax函数判断面部肌肉处锚点属于正向还是负向。

数据库储存分析模块搭载有人工学习算法，基于python语言和Matlab算法库，根据resnet50残差网络算法的池化和卷积运算后，提取出图像中的五官特征值，并经由connected层链接原图片、预处理图片、画面几何定点捕捉单元和光源变化提取单元的图片，并于数据库服务器中储存相应条目。

具体的，人脸整体分析，主要依赖图像采集模块、图像预处理模块和特征提取模块，根据图像采集模块所采集的信息，按照图像预处理模块的初步处理，将所有采集到的人脸信息均归一处理，使所有的面部保持正面或单独的侧面，随后按照特征提取模块的画面几何定点捕捉单元和光源变化提取单元，对于图片上的阴影处以及五官形状进行分析，根据五官的具体形状以及阴影部分的面积判断去除五官的阴影部分，留下的则仅为面部肌肉部分，最后再按照形状特征提取单元根据画面几何定点捕捉单元和光源变化提取单元的图片结合提取肌肉部分的形状，以肌肉的纹理趋势判断面部表情，并根据五官的弯曲程度辅助判断整体照片的加权信息；

在整体照片判断完毕后，再发送至数据库储存分析模块中，数据库储存分析模块在建立数据条目后，根据块的画面几何定点捕捉单元和光源变化提取单元根据resnet50残差网络算法对整体图像分割，根据softmax函数判断面部肌肉处锚点属于正向还是负向，对面部肌肉的趋势进行详细判断，并且按照卷积核提取目标的特征值，若上述流程的加权结论信息出现错误时，则根据判断进行反馈修正，使正确结论的数据条目形成库的一部分，在新的人脸识别图像再次判断时，根据比较图像之间的相似特征值，在出现相同的特征值后，则直接根据数据库的条目得出结论信息，增加判断的迅速程度，减少复杂的运算流程。

最后应说明的是：以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。