【CN110084152A】一种基于微表情识别的伪装人脸检测方法【专利】

合集下载

一种基于视觉的人脸表情识别方法[发明专利]

(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号 (43)申请公布日 (21)申请号 202110234838.7

(22)申请日 2021.03.03

(71)申请人郑州航空工业管理学院

地址 450015 河南省郑州市二七区大学中

路2号

(72)发明人赵雪专　裴利沈　李玲玲　赵中堂　

薄树奎　马腾　杨勇　张湘熙　

刘汉卿　

(74)专利代理机构成都鱼爪智云知识产权代理

有限公司 51308

代理人代述波

(51)Int.Cl.

G06K 9/00(2006.01)

G06K 9/62(2006.01)

G06N 3/08(2006.01)

(54)发明名称

一种基于视觉的人脸表情识别方法

(57)摘要

本发明提出了一种基于视觉的人脸表情识

别方法。本发明涉及信息处理领域。本发明包括

以下步骤：获取人脸图像样本集，并且对人脸图

像样本集进行预处理；提取预处理后人脸图像样

本集的特征，获得表情特征样本集；将表情特征

样本集引入至表情识别分类器中进行学习训练，

得到训练好的表情识别分类器；将测试样本放入

训练好的表情识别分类器，并且表情识别分类器

对测试样本进行评估。本发明能够识别出人脸表

情的表情程度。权利要求书1页说明书7页附图1页CN 112836680 A 2021.05.25

C N 112836680

1.一种基于视觉的人脸表情识别方法，其特征在于，包括以下步骤；

获取人脸图像样本集，并且对人脸图像样本集进行预处理；

提取预处理后人脸图像样本集的特征，

获得表情特征样本集；将表情特征样本集引入至表情识别分类器中进行学习训练，得到训练好的表情识别分类器；

微表情检测与识别技术研究

一、介绍微表情检测与识别技术

微表情检测和识别技术是一种基于非言语交流方式的情感识别

技术。它可以通过感知到人类面部微表情，以此来检测和识别出

人类内心深层情感的体现，从而有效提升人类与机器之间的人机

交互能力，为众多领域和行业带来重大的应用和创新。

二、微表情的基本概念和分类

微表情是一种威胁或有害情境下人类面部的短暂表达。它是指

那些持续时间短、肌肉收缩微小的面部表情。由于微表情出现和

消失都极快，因此很难被肉眼察觉。微表情可以根据其出现的原

因被分为情绪表达、欺骗表达和自发表达三类。

三、微表情检测技术

微表情检测技术主要有两种方法：视频分析和生理传感技术。

视频分析方法是通过对视频数据的分析，检测和识别出微表情的

存在；生理传感技术通过生理参数的变化来识别出微表情的存在。

四、微表情识别技术

微表情识别技术采用计算机视觉和机器学习技术来识别和分析

微表情，从而识别出其中蕴含的情感信息。微表情识别技术的主

要任务是从众多的微表情中识别出表达者内心所体现的情感。

五、微表情检测和识别技术的应用

微表情检测和识别技术已经得到了广泛的应用。它可以被应用

到以下领域：

1. 犯罪侦查领域，特别是在警方的犯罪调查和审讯过程中，检

测出被讯问者的不良情绪和欺骗行为。

2. 教育领域，通过微表情检测和识别技术，更好地了解学生的

情绪状态，从而进行更精准的教育和关注。

3. 医疗领域，微表情检测和识别技术可以用于自闭症、注意力

不足、多动症等疾病的诊断和康复过程中。

4. 机器人和虚拟人物领域，通过微表情检测和识别技术，机器

脸部表情识别方法及装置[发明专利]

专利名称：脸部表情识别方法及装置

专利类型：发明专利

发明人：何秀玲,方静,李洋洋,吴珂,陈增照,蒋朗,高倩,徐丽丽,周梦莹,罗青冈,汪瑶燕,杨凡,朱淑培

申请号：CN201810039307.0

申请日：20180116

公开号：CN108256469A

公开日：

20180706

专利内容由知识产权出版社提供

摘要：本发明实施例提供了一种脸部表情识别方法及装置，涉及脸部表情识别技术领域。所述方法包括获取待识别脸部表情图像序列的峰值帧图像；提取所述峰值帧图像的几何特征；提取所述峰值帧图像的Gabor特征；基于所述几何特征和所述Gabor特征，获得融合特征；以所述融合特征作为输入，训练预设的深度多核学习模型，获得训练后的所述深度多核学习模型输出的核函数；将所述核函数输入到预设的分类器中进行表情分类，获得识别结果。提高识别率，更高效。

申请人：华中师范大学

地址：430000 湖北省武汉市洪山区珞喻路152号

国籍：CN

代理机构：北京超凡志成知识产权代理事务所(普通合伙)

代理人：王文红

更多信息请下载全文后查看

一种人脸表情的识别方法[发明专利]

(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号 (43)申请公布日 (21)申请号 201810645394.4

(22)申请日 2018.06.21

(71)申请人北京师范大学

地址 100875 北京市海淀区新街口外大街

19号

(72)发明人樊亚春　税午阳　宋毅　

(74)专利代理机构北京中海智圣知识产权代理

有限公司 11282

代理人胡静

(51)Int.Cl.

G06K 9/00(2006.01)

(54)发明名称

一种人脸表情的识别方法

(57)摘要

本发明涉及一种人脸表情的识别方法，具体

包括以下步骤：步骤1：针对人脸表情数据集中的

各个图像，检测图像中的人脸及特征点；步骤2：

在步骤1的基础上，生成人脸图像上各个特征点

局部区域的特征向量，计算基于人脸特征点的表

情特征；步骤3：进行计算人脸表情特征向量；步

骤4：在步骤3的基础上，利用自编码神经网络方

法进行降维；步骤5：计算并得到非线性高维分类

模型；步骤6：当用户输入人脸视频后，按照步骤1

～步骤4方法构造新型较低维的形状特征描述

符；步骤7：将输入视频人脸图像特征描述符与分

类模型进行比较，从而确定出人脸表情图像在不

同分类中的概率值。本发明的有益效果是：提高

表情特征的描述能力；提高了表情识别的准确

率。权利要求书2页说明书6页附图2页CN 108830237 A 2018.11.16

C N 108830237

1.一种人脸表情的识别方法，其特征在于，具体包括以下步骤：

步骤1 针对人脸表情数据集中的各个图像，检测图像中的人脸及特征点：

基于人工智能的面部表情识别技术研究

随着计算机技术的不断发展和普及，人工智能已经成为了一个备受关注的热门

话题。在人工智能应用领域中，面部表情识别技术（Facial expression recognition，FER）是一项备受瞩目的技术。该技术基于计算机视觉的研究成果，旨在模拟人类

在训练自己来识别面部表情时所使用的方法。它可以通过对图像和视频进行分析，自动识别面部表情，从而为人类提供更准确的情感识别和交流。

一、面部表情识别技术的背景和现状

随着现代通讯技术的发展和普及，数字化的信息传播渠道变得越来越丰富多样。同时，人们在日常生活和工作中也越来越依赖信息技术来实现多方面的交流和协作。在这种情况下，如何更有效地识别和理解人类的情感变得越来越关键。因此，面部表情识别技术的应用范围被拓宽。

目前，面部表情识别技术被广泛应用于计算机游戏、辅助医疗、智能家居、教

育培训等领域。然而，在实际应用中，该技术还存在一些问题和挑战。例如，在人脸光照、姿态变化等情况下，识别面部表情的准确度会大大降低。此外，还面临着标注大规模人脸数据集、不稳定人脸检测和复杂建模等问题。

二、面部表情识别技术的研究现状

针对面部表情识别技术面临的问题和挑战，国内外的一些研究团队进行了积极

探索和尝试。其中，如何提高面部表情识别的准确度成为了一个重点研究方向。

在算法上，人们采用更高效和精确度更高的算法来提高面部表情识别的准确性。例如，现有的一些基于深度学习的面部表情识别算法。

在原始数据处理方面，人们通过增加训练数据、对数据进行预处理等手段提高

一种伪造人脸视频鉴别方法、系统和可读存储介质[发明专利]

专利名称：一种伪造人脸视频鉴别方法、系统和可读存储介质专利类型：发明专利

发明人：方俊涛,孙宇平,凌捷,罗玉

申请号：CN202010882723.4

申请日：20200828

公开号：CN111967427A

公开日：

20201120

专利内容由知识产权出版社提供

摘要：本发明公开了一种基于卷积神经网络和注意力机制的伪造人脸视频鉴别方法、系统和可读存储介质，所述方法包括：对输入的视频序列进行采样，得到N个视频帧；对视频帧进行检测、裁剪和对齐人面获得优质人脸图像，得到待测样本集；将所述待测样本集输入至训练好的注意力机制的深度卷积神经网络模型，得到输出的结果，所述结果为对视频真伪情况判断的结果。本发明通过对正样本的特殊处理的方法来获得负样本，减少了获取负样本的时间成本，同时较好地模拟了伪造人脸假视频的人脸图像，以此训练的网络具有较好的鉴别能力；此外本发明还可以突出被操纵的图像区域，从而引导神经网络检测这些区域，这有利于用于面部伪造检测，并提高原CNN模型的准确率。

申请人：广东工业大学

地址：510060 广东省广州市东风东路729号

国籍：CN

代理机构：佛山粤进知识产权代理事务所(普通合伙)

代理人：王余钱

更多信息请下载全文后查看

视频图像序列中人脸微表情识别方法[发明专利]

专利名称：视频图像序列中人脸微表情识别方法

专利类型：发明专利

发明人：于洋,孔艳蕾,郭迎春,师硕,郝小可,朱叶,于明,阎刚,刘依,吕华

申请号：CN202110773121.X

申请日：20210708

公开号：CN113496217B

公开日：

20220621

专利内容由知识产权出版社提供

摘要：本发明为视频图像序列中人脸微表情识别方法，该识别方法包括以下内容：在微表情视频图像序列预处理之后，根据微表情的实际发生机理划分图像分块并获得微表情的浅层运动信息和深层形状信息融合特征，通过光流的共现关系和AU的发生机制构建自注意力图卷积网络的邻接矩阵A，以分块为节点、以邻接矩阵为边，构建自注意力图卷积网络，最后利用自注意力图卷积网络完成微表情的分类识别。本方法克服了现有微表情识别方法对光照噪声的鲁棒性差，特征信息提取的不充分，对微表情实际发生机理研究不深入而导致的微表情识别率低的缺陷。

申请人：河北工业大学

地址：300130 天津市红桥区丁字沽光荣道8号河北工业大学东院330#

国籍：CN

代理机构：天津翰林知识产权代理事务所(普通合伙)

代理人：付长杰

更多信息请下载全文后查看

人脸表情识别技术专利分析

作者：李旭万雪超

来源：《科学与财富》2018年第19期

摘要：人脸表情是情感的主载体，通过脸部表情能够表达人的微妙的情绪反应以及人类对应的心理状态。通过人脸表情可以得到很多有价值的信息，因此，人脸表情识别应用在合成脸部动画、视频检索、虚拟现实技术等领域，且它的研究对于自然和谐的人机交互、公安刑侦、医疗诊断、远程教育、安全驾驶等都有重要的作用和意义。

关键词：人脸表情识别，特征提取，表情分类，专利申请，应用

1人脸表情识别技术概述

1.1人脸表情识别系统架构

经过几十年的发展，人脸表情识别技术已经形成了一个完整的体系，典型的人脸表情识别系统包括三个部分：人脸检测、定位与表情图像的获取，脸部特征提取和表情分类。其中，人脸检测、定位与表情图像的获取包括由输入图像定位人脸、对定位的人脸分配一个通用的坐标系以及进行图像的预处理；脸部特征提取这一步用来提取和数据化由表情引起的人脸面部变化及趋势；最后表情分类是基于表情描述与情感的映射关系去判断提取的特征所对应的表情分类。

人脸图像检测与定位的基本思想是用知识或统计的方法对人脸建模，比较待检测区域与人脸模型的匹配程度，从而得到可能存在人脸的区域。

定位人脸后是特征提取部分，由检测到的人脸区域获得有效的面部表情特征是表情识别系统成功与否的关键。常用的图像特征提取的方法有：线性判别分析、Gabor小波，光流法、特征点跟踪、法光流法等。

表情分类是指定义一组类别，并设计相应的分类机制对表情进行识别，归入相应类别。如按照脸部动作分类（FACS），将脸部的动作分类到44个AUs；或按照感情分类，将表情分类到Ekman和Friesen定义的6种基本感情。

一种伪装人脸检测方法及系统[发明专利]

专利名称：一种伪装人脸检测方法及系统专利类型：发明专利

发明人：曹江中,李彦志,茅庆江

申请号：CN201610176952.8

申请日：20160325

公开号：CN105844245A

公开日：

20160810

专利内容由知识产权出版社提供

摘要：本发明提供一种伪装人脸检测方法及系统，属于视频图像识别技术领域。本发明伪装人脸检测方法包括如下步骤：获取人员进入的信号，判断是否有人员进入，如果是，对视频图像预处理；检测人脸，判断是否存在人脸或人头，如果是，检测鼻子，判断是否存在鼻子，如果否，判断为伪装人脸，发出报警，如果是，估计眼睛和嘴巴的检测区域，然以检测眼睛和嘴巴，判断是否同时存在眼睛和嘴巴，如果是，判断为正常人脸，如果否，判断为伪装人脸，发出报警。本发明的有益效果为：能够对ATM机的伪装人脸进实时检测和报警；使用鼻子作为引导检测眼睛和嘴巴，使得人脸器官定位更加准确。

申请人：广州市浩云安防科技股份有限公司

地址：511400 广东省广州市番禺区桥南街市良路金业花园东二街16号101

国籍：CN

代理机构：深圳市科吉华烽知识产权事务所(普通合伙)

代理人：胡吉科

更多信息请下载全文后查看

一种人脸识别检测装置[实用新型专利]

专利名称：一种人脸识别检测装置专利类型：实用新型专利

发明人：康健

申请号：CN202020456935.1

申请日：20200401

公开号：CN211976351U

公开日：

20201120

专利内容由知识产权出版社提供

摘要：本实用新型公开了一种人脸识别检测装置，包括装置本体，装置本体内设置有空腔，装置本体外一侧设置有电机室，电机室内设置有电机，电机的输出端连接有曲轴，曲轴的另一端通入到装置本体的空腔内，曲轴的另一端通过设置的轴承座与装置本体内壁活动连接，曲轴上套有与曲轴形状大小相适配的第一轴承套，第一轴承套的顶部连接有第一连接杆，第一连接杆的顶端垂直连接有第二连接杆，第二连接杆的顶端设置有连接板，连接板底部两端均固定有第二轴承套，第二连接杆的两端分别通过两个第二轴承套，连接板上中心位置处连接有升降杆。有益效果：本实用新型避免了外部空气中的灰尘覆盖在摄像头上造成识别不清晰的问题，提高人脸识别的准确度。

申请人：绵阳顺云科序科技有限公司

地址：621000 四川省绵阳市江油市太平镇太华路北段92号1幢5楼6号

国籍：CN

更多信息请下载全文后查看

一种人脸检测方法及装置[发明专利]

专利名称：一种人脸检测方法及装置专利类型：发明专利

发明人：陈书楷,王辉能

申请号：CN201610590134.2

申请日：20160725

公开号：CN106295502A

公开日：

20170104

专利内容由知识产权出版社提供

摘要：本发明实施例公开了一种人脸检测方法及装置，能够对任意大小的图像进行处理，并且能够同时检测正脸和侧脸，提高检测速度。本发明实施例方法包括：通过第一深度卷积网络获取候选人脸图像，所述第一深度卷积网络为用于初检的全卷积网络；通过第二深度卷积网络对所述候选人脸图像进行计算，得到所述候选人脸图像的可靠性数值，所述第二深度卷积网络为用于校验的深度卷积网络；若所述候选人脸图像的可靠性数值大于预设阈值，则判定为最终人脸图像。

申请人：厦门中控生物识别信息技术有限公司

地址：361000 福建省厦门市软件园二期观日路32号403单元02区

国籍：CN

代理机构：深圳市深佳知识产权代理事务所(普通合伙)

代理人：王仲凯

更多信息请下载全文后查看

一种人脸表情识别方法和相关装置[发明专利]

专利名称：一种人脸表情识别方法和相关装置专利类型：发明专利

发明人：高磊

申请号：CN202011569124.3

申请日：20201226

公开号：CN112613416A

公开日：

20210406

专利内容由知识产权出版社提供

摘要：本申请提供了一种人脸表情识别方法和相关装置，获取人脸图像对应的纹理特征、几何特征和语义特征，然后分别对纹理特征、几何特征和语义特征进行编码，得到纹理特征对应的第一特征、几何特征对应的第二特征和语义特征对应的第三特征。由于编码过程是对数据进行有损压缩，因此，对特征进行编码相当于对特征中与人脸表情识别无关的数据进行过滤，降低了干扰信息对人脸表情识别的影响。继而，融合第一特征、第二特征和第三特征，实现了对于人脸图像三个维度上浅层特征的重构。通过对融合后得到的融合特征进行解码，进一步发掘了人脸图像中与人脸表情识别相关的深度信息，从而根据解码后的第四特征确定人脸图像对应的人脸表情，提高了人脸表情辨识度。

申请人：中国农业银行股份有限公司

地址：100005 北京市东城区建国门内大街69号

国籍：CN

代理机构：北京集佳知识产权代理有限公司

代理人：杨丽爽

更多信息请下载全文后查看

一种表情图像识别方法、装置及系统[发明专利]

(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号 (43)申请公布日 (21)申请号 202010404516.8

(22)申请日 2020.05.13

(71)申请人北京达佳互联信息技术有限公司

地址 100085 北京市海淀区上地西路6号1

幢1层101D1-7

(72)发明人申世伟　

(74)专利代理机构北京先进知识产权代理有限

公司 11648

代理人叶碧莲　赵霞兵

(51)Int.Cl.

G06K 9/00(2006.01)

G06N 3/04(2006.01)

G06N 3/08(2006.01)

(54)发明名称

一种表情图像识别方法、装置及系统

(57)摘要

本公开关于一种表情图像识别方法、装置、

电子设备以及存储介质，用以至少解决相关技术

中在对聊天截图进行安全检测时，由于无法识别

出聊天截图中的聊天表情，而导致检测结果准确

性较低的问题，方法包括：使用预先训练得到的

基于卷积神经网络的图像分类器对预先获取的

待检测图像集中的图像进行分类，以从所述待检

测图像集中确定出待识别图像；利用预先训练得

到的轮廓框检测模型，对所述待识别图像进行检

测，以确定所述待识别图像中所包含的轮廓框；

根据预先设置的筛选规则，按照所述轮廓框在所

述待识别图像中的位置，对所述轮廓框进行筛

选，并将符合筛选规则的轮廓框中的图像确定为

表情图像。权利要求书2页说明书9页附图5页CN 111597966 A 2020.08.28

C N 111597966

1.一种表情图像识别方法，其特征在于，包括：

使用预先训练得到的基于卷积神经网络的图像分类器对预先获取的待检测图像集中的图像进行分类，以从所述待检测图像集中确定出待识别图像；

轻量化人脸检测与微表情识别关键技术研究

人脸检测和表情识别是计算机视觉领域中的两项重要研究方向，它们在人工智能、人机交互、情感计算等领域具有广泛的应用前景。本文将重点研究轻量化人脸检测与微表情识别的关键技术，探讨其原理、方法和应用。

一、轻量化人脸检测技术

在人脸检测中，最关键的问题是从包含人脸图像中准确地检测和定位出人脸区域。传统的基于特征的方法，如Haar特征、HOG特征等，往往需要大量的计算资源和复杂的算法，限

制了其在实时应用和资源受限场景中的应用。

为了解决这一问题，研究者们提出了一系列轻量化的人脸检测算法。其中，基于深度学习的方法取得了显著的效果。深度学习模型通过大规模的数据训练得到特征提取器，能够更好地捕捉到人脸的信息。轻量化人脸检测算法通常采用卷积神经网络（CNN）结构，通过优化网络结构和参数来减少计算量和

内存占用。

在具体实现上，轻量化人脸检测算法通常采用两个阶段的检测：先进行快速的候选框生成，再通过筛选和修正来提高检测的准确性。常用的快速候选框生成算法包括Selective Search、Edge Boxes等。而筛选和修正阶段，则采用一些模

型来进一步提高准确率，如ResNet、MobileNet等。这些算法在人脸检测领域取得了令人瞩目的准确度和效率。

二、微表情识别技术

微表情是指人脸上非常短暂的表情，通常持续时间不到

1/4秒。微表情是人类情感的一种自发性表达，对于情感理解、

心理分析等领域具有重要价值。然而，由于微表情的短暂性和微小性，其识别一直是一个具有挑战性的任务。