买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学

摘要：本发明公开了一种基于测地距离与样本熵的认知情感识别方法，涉及人脸识别与情感计算技术领域。本发明首先针对四种影响人在任务回路中的认知情感，提出49个高效的脸部情感描述点，实现基于主动外观模型的人脸情感描述点定位；其次，设计了基于测地距离的人脸情感时空特征表达方法；然后，提出了基于样本熵的人脸情感特征提取方法，实现了认知情感时空特征的高效提取；最后利用随机森林分类器实现了情感分类与识别。本发明能够快速提取基于视频流的人脸认知情感，准确高效地识别人在任务回路中的认知情感状态，为监测人员工作状态，控制任务风险提供技术支撑。

主权项：1.一种基于测地距离与样本熵的认知情感识别方法，其特征在于：所述方法包括如下步骤：步骤一，基于主动外观模型确定人脸情感描述点定位；所述步骤一的具体步骤为：步骤1.1，基于主动外观模型对人脸情感描述点进行建模，包括情感描述点定位、训练图像对齐、形状和纹理模型构建、主动外观模型生成；步骤1.2，基于主动外观模型图像拟合出人脸情感描述点定位；步骤二，融合测地距离与样本熵提取人脸情感特征；步骤二的具体步骤为：步骤2.1，基于测地距离对人脸情感描述点进行时空特征表达；所述步骤2.1具体过程为：针对单个图像，提出49个人脸情感的高效描述点，假设每个数据样本包含n张图像，一个数据样本的情感描述点集表达为：Sample＝{S1，S2，...，Sn}其中，Sn为一张图片的数据点集，每个描述点有2维坐标；由于人脸表情的表达为一系列人脸情感描述点在空间上的变化，因此计算样本中各图像数据与第1幅图像数据情感描述点之间的测地距离，以此表达样本数据情感描述点的时空特征： 其中，dgV1，j，Vi，j＝{dgs1，j，s1，jdgs1，j，s2，j…dgs1，j，sn，j}，1≤j≤49；同时，dgai，aj表示两个数据点ai和aj之间的测地线距离：当数据集中的两个数据点ai和aj非常接近时，测地距离的度量即为两者之间的欧氏距离： 当两个数据点ai和aj相距很远时，引入一个中间变量at，t＝1，2，...，n，通过以下算法计算两者之间的测地距离： 获得基于测地距离的数据特征时空表达Featurest，且每个样本数据的时空特征维度缩减为49×n；步骤2.2，基于样本熵提取脸部认知情感特征；所述步骤2.2具体为：步骤2.2.1，将第j个数据样本的情感描述点时空特征的表达dgV1,j,Vi,j,1≤i≤N视为一个由N个数据组成的时间序列数据为xn＝{x1,x2,...,xN}，1≤j≤49；步骤2.2.2，构建一个维数为m的向量序列：Xm1,Xm2,...,XmN-m+1，其中Xmi＝{xi,xi+1,...,xi+m-1},1≤i≤N-m+1，表达从第i点开始的m个连续的x的值；步骤2.2.3，定义向量Xmi和Xmj之间的距离d{Xmi,Xmj},1≤j≤N-m,j≠i为两个向量中对应元素差值绝对值的最大值，即：d{Xmi,Xmj}＝max|xi+k-xj+k|,0≤k≤m-1步骤2.2.4，对于给定的Xmi，统计Xmi和Xmj之间距离小于等于r的数目，并记为Bi，因此，对于1≤i≤N-m，定义参数和Bmr为： 步骤2.2.5，增加维数到m+1，同样统计Xm+1i和Xm+1j之间距离小于等于r的数目，并记为Ai，因此，参数和Amr可被定义为： 步骤2.2.6，Bmr为两个序列在相似容限r下匹配m个点的概率，而Amr是两个序列匹配m+1个点的概率，该时间序列的样本熵求得： 将时序数据Featurest代入样本熵计算公式，则每个数据样本的人脸认知情感特征表达为：Feature＝SampEnFeaturest＝SampEn{|dgV1,1,Vi,1dgV1,2,Vi,2…dgV1,49,Vn,49|T},1≤i≤n；＝{SampEn1，SampEn2,...,SampEn49}步骤三，基于随机森林算法对图像中人脸进行认知情感识别。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于测地距离与样本熵的认知情感识别方法