一种姿态归一化的非正面人脸表情识别方法与制造工艺

本发明属于模式识别与图像处理领域，涉及一种采用全新有效的非线性姿态归一化解决方案应用于非正面人脸表情识别的方法，特别涉及待识别对象的人脸水平旋转角度在-45°和45°之间的人脸表情图像。

背景技术：
表情是情绪和情感的外部表现，按基本情绪模型可将表情分为六类：生气、厌恶、恐惧、高兴、悲伤、惊讶。人脸表情识别一直以来都具非常重要的研究意义，在人机交互、公共安全、智能影视等多个领域有着巨大的市场价值。传统表情识别方法大多以正面或近似正面的人脸图像为研究对象。然而统计结果表明，现实生活中由于图像获取的随意性，75％的人脸图像都是非正面的。如果只采用传统方法对这些非正面人脸图像进行分析，往往无法得到令人满意的结果。因此本发明主要针对如何有效进行非正面人脸表情识别这一实际问题。相对于正面人脸表情图像，非正面人脸表情图像大多存在部分人脸被遮挡，从而造成一定表情信息的缺失；同时，人脸姿态变化的多样性也势必会给表情分类引入更大的类内差异；此外，寻找独立于人脸姿态的表情特征十分困难，按传统正面表情识别方法提取的特征会引入含姿态变化在内的许多冗余信息。因此，非正面人脸表情识别主要需解决由非正面姿态所带来的部分表情被遮挡，表情类内差异大，特征提取针对性弱等新问题，使得人脸表情识别系统更具实用性。

技术实现要素：
技术问题：本发明提供了一种简单有效，实时性好，并可以在一定程度上解决人脸姿态变化造成表情类内差异影响的非正面人脸表情识别方法。技术方案：本发明的姿态归一化的非正面人脸表情识别方法，首先对训练样本集中的图像通过非线性回归模型学习，得到非正面人脸特征点到正面人脸特征点的映射函数；然后对待测试的非正面人脸图像进行姿态估计和特征点定位，通过相应姿态的映射函数将非正面人脸的特征点归一化到正面姿态；最后使用支持向量机对正面人脸特征点的几何位置进行表情分类，该方法的具体步骤为：1)采用三对点法将训练样本集中的人脸图像在不同姿态下进行人脸特征点对齐。由于鼻尖点和两个内侧眼角点不易受人脸表情的影响，因此固定这三点求取相应的仿射变换，通过仿射变换可以在不同姿态下将人脸特征点对齐到相应的标准人脸，尽可能的消除不同人脸形状对于人脸表情识别的影响。2)将训练样本集中非正面姿态k的人脸图像通过步骤1)对齐人脸后，使用高斯过程回归模型学习得到姿态k到正面姿态的映射函数f(k)，不同的姿态k可以学习得到不同的f(k)，通过相应的f(k)就可将姿态k的人脸特征点位置进行姿态归一化，实现非正面人脸特征点位置到正面人脸特征点位置的映射，从而将非正面人脸表情转化到正面人脸姿态来进行识别。3)对训练样本集中不同姿态人脸训练对应姿态的主动表观模型(ActiveAppearanceModel，AAM)，得到不同姿态下的AAM模板，使用多模板AAM法可在估计人脸姿态的同时实现人脸特征点定位。4)对输入的测试人脸表情图像，通过所述步骤3)估计得到人脸姿态k并实现人脸特征点的定位，然后通过所述步骤2)将非正面人脸姿态的特征点归一化到正面人脸姿态，得到其在正面姿态的人脸特征点位置。5)使用基于径向基核函数的支持向量机，将所述步骤4)中得到的正面人脸特征点的几何位置作为特征进行表情分类，得到表情识别结果。本发明中，步骤2)中由于人脸水平旋转超过45°时，部分人脸器官上的特征点(如眼睛、眉毛)会因姿态的变化过大而被遮挡，因此可用于姿态归一化的人脸对象主要指-45°～45°水平旋转范围内的非正面人脸表情图像。为体现高斯过程回归在识别性能上的优势，本发明还与另一...