[发明专利]基于深度学习的人群高兴程度识别方法

权利要求书

1.基于深度学习的人群高兴程度识别方法，其特征在于，包括以下步骤：

步骤A)，将由人工标注的单个人脸图像，按照标签分类并对图像大小归一化后，得到人脸高兴程度数据库和人脸遮挡程度数据库，将它们分别分为训练集和验证集并进行预处理操作；

步骤B)，分别构建用于识别人脸高兴程度和人脸遮挡程度的卷积神经网络；

步骤C)，对步骤B)中构建的两个卷积神经网络进行初始学习率、权重衰减系数、训练迭代次数的设置后，将经过预处理操作后的人脸高兴程度和人脸遮挡程度样本分别对应输入所述两个卷积神经网络，得到用于识别人脸高兴程度和人脸遮挡程度的网络模型；

步骤D)，使用含上述数据集的人脸和非人脸图像对Adaboost分类器做再训练；

步骤E)，输入需要进行人群高兴程度识别的合影图像，利用训练好的Adaboost分类器检测出输入的合影图像中的所有人脸图像，并对检测出的第i个人脸图像f_i直接输入用于识别人脸高兴程度和人脸遮挡程度的网络模型分别进行人脸高兴程度I_i和人脸遮挡程度q_i的识别，其中，I_i为合影图像中第i个人脸的高兴程度识别结果，取值范围为0≤I_i≤u-1，u为人脸高兴程度的类别总数，q_i为第i个人脸的遮挡程度识别结果，取值范围为0≤q_i≤p-1，p为人脸的遮挡程度的类别总数；

步骤F)，计算输入的合影图像中的合影人数对该合影图像中每张人脸高兴程度的影响权重值，具体计算公式如下：

其中，m为训练数据集中图像的平均合影人数，s为输入合影图像中检测出的人脸数，预设的参数α用于控制权重δ_i的影响大小；

步骤G)，计算输入的合影图像中每个人脸的遮挡程度对图像中对应人脸的高兴程度的惩罚值，具体计算公式如下：

λ_i＝||1-βq_i||,0≤λ_i≤1,0≤q_i≤p-1

其中，p为人脸的遮挡程度的类别总数，q_i为第i个人脸的遮挡程度，预设的参数β用于控制λ_i的影响大小；

步骤H)，计算出输入合影图像中的人群高兴程度，具体计算公式如下：

其中，π_i＝δ_iλ_i。