本發(fā)明涉及面部微表情識別，具體涉及一種基于面部微表情識別的心理科學(xué)分析方法。

背景技術(shù)：

1、基于面部微表情識別的心理科學(xué)分析是通過捕捉和解讀人類面部微表情(即極短時(shí)間內(nèi)的面部變化，如眉毛的微小升降、眼睛的瞬間變化等)來研究個(gè)體的心理狀態(tài)、情感反應(yīng)以及潛在的心理活動。這些微表情通常在無意識中發(fā)生，并且能夠揭示出個(gè)體真實(shí)的情感反應(yīng)，哪怕其表面上可能嘗試掩飾。通過高精度的面部識別技術(shù)，結(jié)合心理學(xué)理論和分析模型，研究人員可以分析和推測個(gè)體的情緒、壓力、焦慮、憤怒、恐懼等心理狀態(tài)。此技術(shù)廣泛應(yīng)用于心理學(xué)研究、犯罪偵查、醫(yī)療診斷、教育領(lǐng)域等，可以幫助更準(zhǔn)確地理解人類情感和心理變化，進(jìn)而為情感調(diào)節(jié)、心理治療等方面提供科學(xué)依據(jù)。

2、現(xiàn)有技術(shù)存在以下不足：現(xiàn)有技術(shù)通過采集設(shè)備進(jìn)行微表情動態(tài)捕捉過程中通常采用固定的幀率進(jìn)行微表情采集，但一些微表情持續(xù)時(shí)間極短，且通常強(qiáng)度較低，可能僅在幾毫秒內(nèi)表現(xiàn)出來。微表情的動態(tài)捕捉可能會出現(xiàn)誤差。這種誤差可能導(dǎo)致微表情的錯(cuò)判，從而影響對心理狀態(tài)的準(zhǔn)確分析。錯(cuò)誤的情感識別不僅會干擾心理學(xué)分析的結(jié)論，例如將焦慮誤判為憤怒，從而引發(fā)不必要的對抗性互動或不當(dāng)干預(yù)；在刑偵領(lǐng)域，也可能導(dǎo)致錯(cuò)誤的情感推測，進(jìn)而影響嫌疑人的判定，甚至導(dǎo)致冤枉案件，危及案件公正判決。

3、在所述背景技術(shù)部分公開的上述信息僅用于加強(qiáng)對本公開的背景的理解，因此它可以包括不構(gòu)成對本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種基于面部微表情識別的心理科學(xué)分析方法，當(dāng)識別到短暫微表情時(shí)，會自動提高采集設(shè)備的幀率確保在微表情發(fā)生的瞬間捕捉到關(guān)鍵面部變化。這種動態(tài)調(diào)整提高了數(shù)據(jù)精度，避免因低幀率漏捕細(xì)節(jié)，并根據(jù)微表情的強(qiáng)度和持續(xù)時(shí)間優(yōu)化幀率，確保資源高效使用，從而提升情感分析和心理狀態(tài)評估的準(zhǔn)確性，以解決上述背景技術(shù)中的問題。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于面部微表情識別的心理科學(xué)分析方法，包括以下步驟：

3、采集設(shè)備以預(yù)設(shè)的幀率開始動態(tài)捕捉人員的面部表情，獲取連續(xù)的面部圖像數(shù)據(jù)，為后續(xù)微表情的分析提供圖像輸入；

4、通過對每一幀圖像的面部特征進(jìn)行識別，將獲取的特征轉(zhuǎn)化為微表情變化數(shù)據(jù)信息并建立數(shù)據(jù)集合；

5、從數(shù)據(jù)集合中提取出反映微表情處于短暫且低強(qiáng)度的關(guān)鍵特征，將提取的關(guān)鍵特征在檢測窗口下進(jìn)行分析，量化微表情特征在時(shí)間維度上的變化；

6、將經(jīng)過量化分析后的關(guān)鍵特征輸入到預(yù)先訓(xùn)練好的深度學(xué)習(xí)模型中，通過深度學(xué)習(xí)模型對微表情變化進(jìn)行智能化評估；

7、根據(jù)深度學(xué)習(xí)模型評估結(jié)果將當(dāng)前微表情分類為“短暫微表情”和“正常微表情”兩類；

8、針對“正常微表情”，繼續(xù)保持原有的采集幀率進(jìn)行動態(tài)捕捉和面部微表情識別分析，基于原始的采集數(shù)據(jù)進(jìn)一步進(jìn)行情感識別、面部表情分析以及心理狀態(tài)評估；

9、針對“短暫微表情”，基于深度學(xué)習(xí)模型對微表情變化評估的結(jié)果，將自動提高采集設(shè)備的幀率，以確保在微表情發(fā)生的瞬間捕捉到面部變化的關(guān)鍵數(shù)據(jù)，并準(zhǔn)確進(jìn)行情感分析。

10、優(yōu)選的，從數(shù)據(jù)集合中提取出反映微表情處于短暫且低強(qiáng)度的關(guān)鍵特征，提取的特征包括面部肌肉的微小張力波動和面部幾何結(jié)構(gòu)的變化速率，在檢測窗口下，對面部肌肉的微小張力波動和面部幾何結(jié)構(gòu)的變化速率進(jìn)行分析，分別生成局部肌肉張力波動參考值和面部幾何變化速率參考值，通過局部肌肉張力波動參考值和面部幾何變化速率參考值，在時(shí)間維度上量化微表情特征的變化，從而精確捕捉面部肌肉的微小張力波動和幾何結(jié)構(gòu)的快速變化。

11、優(yōu)選的，將面部肌肉的微小張力波動在檢測窗口下進(jìn)行分析生成局部肌肉張力波動參考值的具體步驟如下：

12、首先，面部肌肉活動的瞬時(shí)張力波動通過關(guān)鍵面部特征點(diǎn)的位移變化來捕捉，每個(gè)面部特征點(diǎn)的瞬時(shí)運(yùn)動通過以下公式表示：

13、δmi(k)＝|mi(k)-mi(k-1)|

14、，式中，mi(k)是面部特征點(diǎn)i在時(shí)間幀k的肌肉張力值，mi(k-1)是面部特征點(diǎn)i在時(shí)間幀k-1的肌肉張力值，δmi(k)是面部特征點(diǎn)i在時(shí)間幀k上的肌肉張力波動；

15、然后，通過對各個(gè)面部特征點(diǎn)的瞬時(shí)張力波動值進(jìn)行時(shí)域上的分析，得到局部肌肉張力波動速率，通過計(jì)算在檢測窗口內(nèi)每個(gè)面部區(qū)域的波動幅度和變化速率，生成局部肌肉張力波動速率，計(jì)算表達(dá)式如下：

16、，

17、式中，ri是面部特征點(diǎn)i的局部肌肉張力波動速率，n是檢測窗口內(nèi)的總幀數(shù)，exp(-α·k)是指數(shù)衰減因子，用于給不同時(shí)間幀的肌肉張力波動δmi(k)賦予不同的權(quán)重，α是衰減因子；

18、最后，將得到的局部肌肉張力波動速率ri綜合分析，生成局部肌肉張力波動參考值，衡量微表情的強(qiáng)度和持續(xù)時(shí)間，生成公式如下：

19、，

20、式中，lmtf是局部肌肉張力波動參考值，是在第j時(shí)刻，面部特征點(diǎn)i所代表的面部局部肌肉張力波動速率變化量，exp(-β·j)是指數(shù)衰減函數(shù)，β是衰減因子，m是檢測窗口時(shí)間點(diǎn)總數(shù)。

21、優(yōu)選的，將面部幾何結(jié)構(gòu)的變化速率在檢測窗口下進(jìn)行分析生成面部幾何變化速率參考值的具體步驟如下：

22、首先，通過形狀上下文方法進(jìn)行定位精準(zhǔn)提取面部幾何結(jié)構(gòu)，從每一幀的面部圖像中提取出面部的幾何結(jié)構(gòu)特征，通過計(jì)算關(guān)鍵點(diǎn)之間的位置關(guān)系，將面部表情的變化轉(zhuǎn)化為幾何模型，計(jì)算表達(dá)式如下：

23、，

24、式中，δde是e個(gè)面部關(guān)鍵點(diǎn)與所有關(guān)鍵點(diǎn)的幾何距離的總和，xe和ye是面部圖像中第e個(gè)關(guān)鍵點(diǎn)的坐標(biāo)，xr和yr是與第e個(gè)關(guān)鍵點(diǎn)對應(yīng)的其余第r個(gè)關(guān)鍵點(diǎn)的坐標(biāo)，p是面部特征中關(guān)鍵點(diǎn)總數(shù)；

25、基于提取的面部幾何特征，計(jì)算面部幾何結(jié)構(gòu)隨時(shí)間變化的速率，對于微表情而言，其變化表現(xiàn)為局部區(qū)域的細(xì)微位移，因此計(jì)算面部關(guān)鍵點(diǎn)幾何變形速率，面部關(guān)鍵點(diǎn)幾何變化速率計(jì)算表達(dá)式如下：

26、，

27、式中，vgeom是面部關(guān)鍵點(diǎn)幾何變化速率，pe(t)是第e個(gè)面部關(guān)鍵點(diǎn)在時(shí)間點(diǎn)t的位置，δt是時(shí)間間隔，||pe(t)||是第e個(gè)關(guān)鍵點(diǎn)的位置向量的模，即關(guān)鍵點(diǎn)距離原點(diǎn)的歐幾里得距離，||pe(t+δt)-pe(t)||是第e個(gè)關(guān)鍵點(diǎn)的位移的歐幾里得距離，即關(guān)鍵點(diǎn)在兩個(gè)時(shí)間點(diǎn)之間的實(shí)際移動距離，pe(t+δt)是第e個(gè)面部關(guān)鍵點(diǎn)在下一時(shí)間點(diǎn)t+δt的位置；

28、最后，通過面部關(guān)鍵點(diǎn)幾何變化速率vgeom,生成面部幾何變化速率參考值，使用指數(shù)加權(quán)函數(shù)來平滑變化速率，得到精確的面部幾何變化速率參考值，計(jì)算表達(dá)式如下：

29、，

30、式中，fgcr是面部幾何變化速率參考值，wt是第t個(gè)時(shí)間點(diǎn)的權(quán)重，是衰減函數(shù)，用于控制每個(gè)時(shí)間點(diǎn)的衰減效果，t是時(shí)間點(diǎn)索引，τ是衰減常數(shù)，vgeom(t)是第t個(gè)時(shí)間點(diǎn)的第面部關(guān)鍵點(diǎn)幾何變化速率。

31、優(yōu)選的，將經(jīng)過分析后的局部肌肉張力波動參考值和面部幾何變化速率參考值輸入至預(yù)先訓(xùn)練好的深度學(xué)習(xí)模型中，通過深度學(xué)習(xí)模型生成微表情變化系數(shù)，通過微表情變化系數(shù)對微表情變化進(jìn)行智能化評估。

32、優(yōu)選的，將通過預(yù)先訓(xùn)練好的深度學(xué)習(xí)模型對微表情變化進(jìn)行智能化評估時(shí)生成的微表情變化系數(shù)與預(yù)先設(shè)定的微表情變化系數(shù)參考閾值進(jìn)行比對分析，對當(dāng)前微表情進(jìn)行劃分，劃分步驟如下：

33、若微表情變化系數(shù)大于等于預(yù)先設(shè)定的微表情變化系數(shù)參考閾值，則將當(dāng)前微表情劃分為正常微表情；

34、若微表情變化系數(shù)小于預(yù)先設(shè)定的微表情變化系數(shù)參考閾值，則將當(dāng)前微表情劃分為短暫微表情。

35、優(yōu)選的，針對“短暫微表情”，基于深度學(xué)習(xí)模型對微表情變化評估的結(jié)果，將自動提高采集設(shè)備的幀率，以確保在微表情發(fā)生的瞬間捕捉到面部變化的關(guān)鍵數(shù)據(jù)，并準(zhǔn)確進(jìn)行情感分析的具體步驟如下：

36、當(dāng)前微表情劃分為短暫微表情后，通過動態(tài)提高采集設(shè)備的幀率以確保在短暫的時(shí)間窗口內(nèi)捕捉到關(guān)鍵的面部變化，基于微表情的變化程度計(jì)算調(diào)整后的幀率，計(jì)算表達(dá)式如下：

37、，

38、式中，fnew是調(diào)整后的幀率，finitial是初始幀率，mec是微表情變化系數(shù)，mecref微表情變化系數(shù)參考閾值θ是敏感度系數(shù)，是平滑系數(shù)，

39、一旦幀率提升，采集設(shè)備以新的幀率采集面部圖像數(shù)據(jù)，在短暫微表情的發(fā)生過程中，采集設(shè)備會對每一幀圖像進(jìn)行深度分析，確保捕捉到面部細(xì)微變化的關(guān)鍵數(shù)據(jù)，此時(shí)，基于精確的圖像數(shù)據(jù)和連續(xù)的幀率更新，確保分析系統(tǒng)能夠獲得完整且高質(zhì)量的圖像數(shù)據(jù)，從而提高微表情識別的精確度和情感分析的可靠性，公式如下：

40、，

41、式中，dcaptured是成功捕捉的圖像數(shù)據(jù)集，包含短暫微表情的每一幀數(shù)據(jù)，imageframey(t)表示在時(shí)間t時(shí)刻捕捉到的第y幀圖像數(shù)據(jù)，h是圖像幀的總數(shù)，是時(shí)間加權(quán)函數(shù)，用于根據(jù)時(shí)間差對每幀圖像進(jìn)行加權(quán)，e是自然底數(shù)，γ是衰減因子，|t-ty|是是前時(shí)間t與第y幀采集時(shí)間ty之間的時(shí)間差，t0和t1分別是采集數(shù)據(jù)的起始和結(jié)束時(shí)間。

42、在上述技術(shù)方案中，本發(fā)明提供的技術(shù)效果和優(yōu)點(diǎn)：

43、本發(fā)明確保在微表情發(fā)生的瞬間捕捉到面部變化的關(guān)鍵數(shù)據(jù)，并準(zhǔn)確進(jìn)行情感分析。具體來說，當(dāng)系統(tǒng)識別到“短暫微表情”時(shí)，會動態(tài)調(diào)整采集設(shè)備的幀率，從原始的幀率自動提升到更高的幀率(如每秒120幀或更高)。這一幀率的提升，能夠增加單位時(shí)間內(nèi)采集的圖像幀數(shù)，確保捕捉到更短時(shí)間窗口內(nèi)的面部變化細(xì)節(jié)。通過這一動態(tài)調(diào)整過程，采集設(shè)備能夠在短暫微表情發(fā)生的關(guān)鍵時(shí)刻，抓取到足夠清晰的圖像數(shù)據(jù)，避免因低幀率錯(cuò)過微表情的變化。此外，系統(tǒng)還能夠根據(jù)微表情的變化強(qiáng)度和持續(xù)時(shí)間自動調(diào)整幀率，使得資源的使用更加高效，避免不必要的過度采集。隨著幀率的提升，數(shù)據(jù)的精度得到了保證，后續(xù)的情感分析和心理狀態(tài)評估可以基于更準(zhǔn)確的微表情識別結(jié)果進(jìn)行，從而大大提高情感識別的精度和心理狀態(tài)分析的可靠性。