首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于随机长方体采样的微表情特征提取方法 

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:江苏科技大学

摘要:本发明公开了一种基于随机长方体采样的微表情特征提取算法,使用整段微表情视频,以及相对固定的时空区域容易丢失微表情的特征,识别结果易受噪声影响等问题,包括以下步骤:对视频中每一帧图像的人脸进行对齐和规范化;使用空间块生成模块,通过检测裁剪过的人脸的特征点并根据特征点使用块大小因子生成随机块集合,捕获微表情的局部区域;使用时域片段生成模块,通过时域长度因子生成单位随机区间,映射到不同帧数的微表情片段;将空间块集合和时域片段组合成若干个随机长方体,在生成的随机长方体上提取微表情的时空特征,最后进行微表情识别。本发明提高了微表情的识别率;同时也较好地发现了微表情时间维度上的关键区域。

主权项:1.一种基于随机长方体采样的微表情特征提取方法,其特征在于包括以下步骤:步骤一:对视频中每一帧图像的人脸进行对齐和规范化;步骤二:使用空间块生成模块,检测规范化后的人脸特征点,根据特征点使用块大小因子生成空间块集合,捕获微表情的局部区域;步骤三:使用时域片段生成模块,通过时域长度因子生成单位随机区间,映射到不同帧数的微表情时域片段集合;步骤四:将空间块集合和时域片段集合组合成多个随机长方体,在生成的随机长方体上提取微表情的时空特征,应用支持向量机进行微表情识别;步骤二的实现包括以下步骤:S21:使用区域随机采样SPG进行空间块生成模块模型的建立,即:SPGxi,yi;ρ=Giρ,Ψi,i=1,2,3;其中,xi,yi表示随机采样得到的块左上顶点坐标,ρ表示块尺寸因子,Ψi为第i等分区域中特征点集合,Giρ,Ψi表示在第i等分限定区域生成块的点集;S22:设输入的微表情视频片段中每一帧的图片为I=[w,h},其中,w,h分别为宽高;通过设定尺寸因子ρ,确定每个块的长宽,即ρw,ρh;为了达到整张人脸的覆盖率,空间块的数目总共为S23:使用块大小因子生成随机块集合,借助规范化后的人脸特征点,限定空间块的生成区域,将人脸区域水平三等分,在每个区域进一步使用人脸特征点限定空间块生成区域,捕获符合微表情的特征区域;S24:在每个等分的区域中生成空间块,首先通过对应等分区域中的人脸特征点进一步缩小空间块生成区域,然后通过随机采样生成N3个空间块,最后添加到空间块集合中;步骤三的实现包括以下步骤:S31:使用TSG进行时域片段生成模块模型的建立,即:TSGti;η=Giη,1;其中,ti表示随机采样得到的起始帧位置,η表示单位片段长度因子,Giη,1表示在单位长度中随机采样第i个点;S32:假定微表情帧长为单位长度,通过设定片段长度因子η,确定每个片段的长度,即η×1;为了与原始片段长度等长,设置片段总数为同样的,在单位长度上采样M个点;S33:将得到的起始帧位置以及单位片段长度映射到真实不同帧长的微表情片段上;步骤四的实现包括以下步骤:S41:根据空间块生成模块SPG和时域片段生成模块TSG,构建随机长方体集合Ω,如下:Ωxi,yi,tj=SPGxi,yi;ρ·TSGtj;η;其中.表示构建长方体操作;S42:在每个随机长方体区域上应用时空描述子LBP-TOP来提取微表情的特征,然后将所有随机长方体特征串联起来作为最终的特征向量,使用支持向量机训练模型,进行微表情识别。

全文数据:

权利要求:

百度查询: 江苏科技大学 一种基于随机长方体采样的微表情特征提取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术