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智能图像拼接和机器学习的识别惊恐表情的方法，包括如下步骤：在fer2013表情图集或互联网中寻找惊恐表情有关图片，人工分类并加上标签，利用python3中的dlib库标记人脸最主要的68个特征点，提取坐标特征后降维，将数据导入sciki‑learn中朴素贝叶斯算法的机器学习模型中，建立数据库；利用openCV将不同摄像头拍摄到的人脸图片采用SIFT特征提取的方法进行匹配和矩阵变换，去掉重叠部分并智能融合，形成完整的人脸图片：提取上一步骤所得完整人脸图片中特征点的坐标位置并降维提取有效数据，将最终数据组带入第一步骤所得模型中预测结果，根据结果激发简单明确的指示。本发明有效解决了手握提速助动车驾驶者遇到危险时下意识握紧手把导致危险加倍的问题。

主权项：1.一种基于智能图像拼接和机器学习的识别惊恐表情的方法，其特征在于，包括如下步骤：1在fer2013表情图集或互联网中寻找人脸表情有关图片，将表情人工进行二分类：其中表示惊恐的表情图片特别提取出来归为一类，平静、开心、悲伤、愤怒其他表情归为非惊恐表情一大类，给予标签：惊恐表情标签为“1”，非惊恐表情标签为“0”；使用人脸识别工具python3中的dlib库，定位人脸位置，并且标记出人脸具有代表性的68个特征点；提取各个特征点在整个人脸定位框中的位置坐标特征后进行数据降维，作为训练集的数据，将训练集数据和标签一起导入sciki-learn中朴素贝叶斯算法机器学习模型中，建立数据库；提取坐标特征时采用横纵坐标除以人脸矩形框的长高的数学方法算出68个特征点在人脸矩形定位框中的相对坐标位置；降维时将每个人脸图片中68个特征点的相对横纵坐标共136个数据进行简化，略去相关性小的数据，提取相关性大的数据，利用坐标关系，算出相对嘴高、嘴宽、眉毛斜率与高宽、眼睛高度，眼睛宽度作为降维后的生理特征数据；2利用openCV或matlab工具将不同摄像头拍摄到的人脸图片进行灰度转化，采用SIFT特征提取算法检测特征点计算描数子，之后将不同角度的图片的SIFT特征点进行匹配，根据各矩阵中匹配的结果进行矩阵变换，从而去掉重叠部分并智能融合，形成完整的人脸图片；两张图片的SIFT特征匹配使用openCV中DescriptorMatcher的‘BruteForce’方法创建匹配器，再用knnMatch的方法进行匹配，其中参数k＝2；矩阵变换时将两张图片的匹配点对调出，当两点间最近距离与次近距离的比值小于设定值时保留匹配比，存储索引，返回匹配对的点坐标；当筛选后的匹配对大于一定量时，利用匹配对的点坐标使用openCV里的findHomography方法计算两张视角变换矩阵；3以步骤1中相同方法提取步骤2所得完整人脸图片中特征点的坐标位置并降维提取有效数据，将最终数据组带入步骤1所得模型中预测结果，根据结果激发简单明确的指示。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于智能图像拼接和机器学习的识别惊恐表情的方法