本發(fā)明提出了一種異常微表情識別裝置，該裝置屬于機器學(xué)習(xí)和模式識別領(lǐng)域。

背景技術(shù)：

微表情的出現(xiàn)頻率和幅度都很低，普通人對它的識別能力并不高。為此，Ekman 發(fā)明了微表情識別訓(xùn)練工具（Micro Expression Training Tool，METT），通過該訓(xùn)練，大多數(shù)人都提高了識別微表情的能力。隨著計算機智能和人機交互技術(shù)的發(fā)展，使用計算機自動識別微表情有利于進(jìn)一步研究微表情的機理，使其在日常生活中得到更廣泛地應(yīng)用。

技術(shù)實現(xiàn)要素：

發(fā)明的目的：

本發(fā)明提供一種異常微表情識別裝置，該裝置可以根據(jù)微表情分析被測人員的心理活動，該方法建立在已經(jīng)發(fā)生微表情的基礎(chǔ)上，使用計算機來判斷微表情的類別，具有快速，易操作的優(yōu)點。

本發(fā)明采用的技術(shù)方案是：

一種異常微表情識別裝置，該裝置由攝像頭、顯示屏、底座、前支架、后支架、轉(zhuǎn)動裝置、圖像處理單元、Android設(shè)備、Wi-Fi模塊、電源模塊、路由器、USB線、圖像處理單元供電導(dǎo)線、轉(zhuǎn)動裝置供電導(dǎo)線、感光傳感器、微控制器、舵機組成；轉(zhuǎn)動裝置和后支架在底座的右側(cè)，電源模塊和圖像處理單元在底座的左側(cè)；前支架安裝在轉(zhuǎn)動裝置上，前支架上端設(shè)有用來捕獲微表情的攝像頭，后支架上端設(shè)有顯示屏，后支架比前支架高15cm，攝像頭通過USB線與圖像處理單元相連接，Wi-Fi模塊安裝在底座的左上角處，圖像處理單元通過Wi-Fi模塊將處理結(jié)果發(fā)送給Android設(shè)備。

所述轉(zhuǎn)動裝置由感光傳感器、微控制器、舵機組成，電源模塊通過轉(zhuǎn)動裝置供電導(dǎo)線給感光傳感器、微控制器、舵機供電。當(dāng)室內(nèi)光強發(fā)生變化時，微控制器接收感光傳感器的信號，從而驅(qū)動舵機調(diào)節(jié)前支架的位置，從而調(diào)節(jié)攝像頭的位置，此裝置可以根據(jù)光線強弱自動調(diào)節(jié)攝像頭的位置，使分析結(jié)果不受光照強度的影響。

所述攝像頭具有自動跟蹤和對焦的功能。

在采集微表情時，被測者佩戴耳機并且一直觀看表情顯示屏，攝像頭正對測試者面目進(jìn)行視頻采集，采集的視頻通過USB線傳輸?shù)綀D像處理單元。

所述電源模塊通過圖像處理單元供電導(dǎo)線給圖像處理單元供電。

所述圖像處理單元通過Wi-Fi模塊與Android設(shè)備連接，圖像處理單元將分析結(jié)果發(fā)送給Android設(shè)備，Android設(shè)備實時顯示微表情分類結(jié)果。

附圖說明

圖1是本發(fā)明一種異常微表情識別裝置的連接框圖。

圖2是本發(fā)明轉(zhuǎn)動裝置的結(jié)構(gòu)圖。

圖3是本發(fā)明圖像處理單元處理微表情的流程圖。

具體實施方式

一種異常微表情識別裝置，結(jié)合圖1和圖2所示，該裝置由攝像頭(1)、顯示屏(2)、底座(3)、前支架(4)、后支架(5)、轉(zhuǎn)動裝置(6)、圖像處理單元(7)、Android設(shè)備(8)、Wi-Fi模塊(9)、電源模塊(10)、路由器(11)、USB線(12)、 轉(zhuǎn)動裝置供電導(dǎo)線(13)、圖像處理單元供電導(dǎo)線 (14)、感光傳感器(15)、微控制器(16)、舵機(17)組成；轉(zhuǎn)動裝置(6)和后支架(5)在底座(3)的右側(cè)，電源模塊(10)和圖像處理單元(7)在底座(3)的左側(cè)；前支架(4)安裝在轉(zhuǎn)動裝置(6)上，前支架(4)上端設(shè)有用來捕獲微表情的攝像頭(1)，后支架(5)上端設(shè)有顯示屏(2)，后支架(5)比前支架(4)高15cm，攝像頭(1)通過USB線(12)與圖像處理單元(7)相連接，Wi-Fi模塊(9)安裝在底座(3)的左上角處，圖像處理單元(7)通過Wi-Fi模塊(9)將處理結(jié)果發(fā)送給Android設(shè)備(8)。

所述轉(zhuǎn)動裝置(6)由感光傳感器(15)、微控制器(16)、舵機(17)組成，電源模塊(10)通過轉(zhuǎn)動裝置供電導(dǎo)線(13)給感光傳感器(15)、微控制器(16)、舵機(17)供電。當(dāng)室內(nèi)光強發(fā)生變化時，微控制器(16)接收感光傳感器(15)的信號，從而驅(qū)動舵機(17)調(diào)節(jié)前支架(4)的位置，從而調(diào)節(jié)攝像頭(1)的位置，此裝置可以根據(jù)光線強弱自動調(diào)節(jié)攝像頭(1)的位置，使分析結(jié)果不受光照強度的影響。

所述攝像頭(1)具有自動跟蹤和對焦的功能。

在采集微表情時，被測者佩戴耳機并且一直觀看表情顯示屏(2)，攝像頭(1)正對測試者面目進(jìn)行視頻采集，采集的視頻通過USB線(12)傳輸?shù)綀D像處理單元(7)。

所述電源模塊(10)通過圖像處理單元供電導(dǎo)線(14)給圖像處理單元(7)供電。

所述圖像處理單元(7)通過Wi-Fi模塊(9)與Android設(shè)備(8)連接，圖像處理單元(7)將分析結(jié)果發(fā)送給Android設(shè)備(8)，Android設(shè)備(8)實時顯示微表情分類結(jié)果。

所述圖像處理單元(7)包括四個處理階段：

微表情序列圖像預(yù)處理(S1)：對所述攝像頭(1)采集的圖片進(jìn)行了相應(yīng)的灰度歸一化處理，并且使用時間插值算法來將序列歸一化到同樣的長度，時間插值算法可以在不失真的前提下任意改變序列長度，給后續(xù)的處理提供了穩(wěn)定的條件。

微表情特征提取(S2)：首先，提取靜態(tài)圖像的局部二值模式，然后，引申到三個正交面，獲得序列的局部二值模式。

微弱表情放大(S3)：將特征點運動放大算法應(yīng)用于表情幅度微弱的序列，針對各個類型的序列采取不同的特征點放大參數(shù)，將其擬合成相應(yīng)的夸張表情序列。

表情分類的實現(xiàn)(S4)：選取 SVM 作為本發(fā)明的分類算法。

經(jīng)過表情分類后，當(dāng)出現(xiàn)異常微表情時，圖像處理單元(7)將處理結(jié)果發(fā)送到Android設(shè)備(8)。