(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210632967.6 (22)申请日 2022.06.07 (71)申请人 重庆第二师 范学院 地址 400065 重庆市南岸区南 山街道崇教 路1号 (72)发明人 韦鹏程　颜蓓　黄思行　 (74)专利代理 机构 重庆一叶知秋专利代理事务 所(普通合伙) 50277 专利代理师 刘洪雨 (51)Int.Cl. G06V 40/16(2022.01) G06V 40/10(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 一种人脸 微表情识别模型及识别方法 (57)摘要 本发明涉及图像处理技术领域， 具体涉及一 种人脸微表情识别方法， 包括提取待识别微表情 图像的待识别特征向量， 将所述待识别特征向量 和微表情库中的每个预设微表情的预设特征向 量进行相似度比较， 并根据相似概率进行排序， 还包括对周围环境图像进行处理， 并识别周围环 境图像中是否存在其他人， 若存在， 则进一步识 别周围环 境图像中其他人的表情类型， 根据其他 人的表情类型以及相似概率排序来确定所述待 识别微表情图像中的微表情类别。 本发明还提供 一种人脸微表情识别模型。 本发 明通过对周围环 境图像的识别， 作为补充参考， 以此来提高微表 情识别的准确性。 权利要求书1页 说明书5页 附图1页 CN 114926888 A 2022.08.19 CN 114926888 A 1.一种人脸微表情识别方法， 其特征在于： 包括： 提取待识别微表情图像的待识别特征 向量， 将所述待识别特征向量和微表情库中的每个预设微表情的预设特征向量进 行相似度 比较， 并根据相似概率进 行排序， 还包括对周围环境图像进 行处理， 并识别周围环境图像中 是否存在其他人， 若存在， 则进一步识别周围环 境图像中其他人的表情 类型， 根据其他人的 表情类型以及相似概 率排序来确定所述待识别微表情图像中的微表情类别。 2.根据权利要求1所述的人脸微表情识别方法， 其特征在于： 若周围环境图像中仅存在 一个其他人， 且该一个其他人的表情 类型与相似概率排序中相似概率最大的微表情 类别相 符， 则确定相似概率排序中相似概率最大的微表情类别为本次待识别微表情图像中的微表 情类别。 3.根据权利要求1所述的人脸微表情识别方法， 其特征在于： 若周围环境图像中仅存在 一个其他人， 该一个其他人的表情类型与相似概率排序中相似概率第二大的微表情 类别相 符， 且相似概率排序中相似概率最大和相似概率第二大 的差值小于设定阈值， 则确定相似 概率排序中相似概 率第二大的微表情类别为本次待识别微表情图像中的微表情类别。 4.根据权利要求1所述的人脸微表情识别方法， 其特征在于： 若周围环境图像中存在多 个其他人， 则 在识别出每个其他人的表情 类型后， 对各个表情类型进 行统计， 将统计占多 数 的表情类型作为周围环境图像的最终表情类型， 根据最 终表情类型以及相似概率排序来确 定所述待识别微表情图像中的微表情类别。 5.根据权利要求4所述的人脸微表情识别方法， 其特征在于： 若最终表情类型与相似概 率排序中相似概率最大的微表情 类别相符， 则确定相似概率排序中相似概率最大的微表情 类别为本次待识别微表情图像中的微表情类别。 6.根据权利要求4所述的人脸微表情识别方法， 其特征在于： 若最终表情类型与相似概 率排序中相似概率第二大的微表情类别相符， 且相似概率排序中相似概率最大和相似概率 第二大的差值小于 设定阈值， 则确定相似概率排序中相似概率第二大的微表情类别为本次 待识别微表情图像中的微表情类别。 7.一种人脸微表情识别模型， 其特征在于： 包括微表情库， 所述微表情库存储有各种类 型的预设微表情， 所述各种类型的预设微表情通过对3D卷积神经网络进行训练得到， 每种 预设微表情均对应的存储有预设特征向量； 特征向量提取模块， 用于提取待识别微表情图 像的待识别特征向量； 相似度比较模块， 用于将所述待识别特征向量和 微表情库中的每个 预设微表情的预设特征向量进行相似度比较， 并根据相似概率进行排序； 周围环境图像识 别模块， 用于对周围环境图像进行处理， 并识别周围环境图像中是否存在其他人， 若存在， 则进一步识别周围环境图像中其他人 的表情类型； 待识别微表情确定模块， 用于根据其他 人的表情类型以及相似概 率排序来确定所述待识别微表情图像中的微表情类别。权　利　要　求　书 1/1 页 2 CN 114926888 A 2一种人脸微表情识别模型及识别方 法 技术领域 [0001]本发明涉及图像处 理技术领域， 具体涉及一种人脸 微表情识别模型及识别方法。 背景技术 [0002]微表情是心理学名词。 人们通过做一些表情把内心感受表达给对方看， 在人们做 的不同表情之间， 或是某个表情里， 脸部会 “泄露”出其它的信息。 “微表情”最短可持续1/25 秒， 虽然一个下意识的表情可能只持续 一瞬间， 但很容 易暴露情绪。 [0003]微表情可能是判断一个人真实情感的最有利的线索， 微表情在司法审讯、 临床医 学等领域有着重要的应用价值， 因此微表情的研究具有重要的意义和潜在价值， 有必要加 强对微表情的研究。 [0004]目前， 在现有技术中， 有通过建立一个已经对各种预设微表情进行分类的微表情 库， 通过将待识别微表情图像的待识别特征向量与微表情库中的每个预设微表情的预设特 征向量进 行比较得到相似概率， 判断相似概率是否大于预设阈值来确定待识别微表情图像 中的待识别微表情类别。 然 而， 此种识别方法， 仍然可能存在识别不精准的问题。 发明内容 [0005]本发明意在提供一种人脸微表情识别方法， 以通过对周围环境图像的识别， 作为 补充参考， 来提高微表情识别的准确性。 [0006]一种人脸微表情识别方法， 包括： 提取待识别微表情图像的待识别特征向量， 将所 述待识别特征向量和微表情库中的每个预设微表情的预设特征向量进 行相似度比较， 并根 据相似概率进行排序， 还包括对周围环境图像进行处理， 并识别周围环境图像中是否存在 其他人， 若存在， 则进一步识别周围环境图像中其他人的表情类型， 根据其他人的表情 类型 以及相似概 率排序来确定所述待识别微表情图像中的微表情类别。 [0007]本发明的有益效果如下： [0008]1、 本发明将所述待识别特征向量和微表情库 中的每个预设微表情的预设特征向 量进行相似度比较， 并根据相似概率进 行排序， 将相似概率从大到小依次排序， 排在前面相 似概率高的几个极有可能就是待识别微表情的类型。 与现有技术相比， 现有技术中是判断 相似概率是否大于预设阈值来确定待识别微表情图像中的待识别微表情 类别， 通过判断相 似概率是否大于预设阈值的方式， 可能存在的问题是， 同时存在两个或者两个以上 的相似 概率大于预设阈值， 在此种情况下将无法确定待识别微表情属于那种类型， 或者识别不准 确。 [0009]2、 在将相似概率进行排序基础上， 为了确定到底哪个是最准确的待识别微表情的 类型， 本发 明进一步结合周围环境图像， 对周围环境图像进 行处理， 并识别周围环境图像中 是否存在其他人， 若存在， 则进一步识别周围环 境图像中其他人的表情 类型， 根据其他人的 表情类型以及相似概率排序， 从而来确定所述待识别微表情图像中的微表情类别， 此种方 式可以大 大提高微表情识别的准确性。说　明　书 1/5 页 3 CN 114926888 A 3