[发明专利]一种情绪识别方法及其装置

说明书

本发明提供了一种情绪识别方法及其装置，其中包括采集识别对象面部图像后进行数据处理，数据库存储并建立表情判别特征模型，得出情绪输出的方法；还包括采集单元，数据处理单元，数据库单元构成的识别装置。本发明情绪识别方法可辨识度高，表情特征判别模型具有高度的完整性、可靠性，通过模型得出的情绪结果更准确。

技术领域

本发明涉及图像处理应用领域，具体涉及一种情绪识别方法及其装置。

背景技术

随着人工智能科学的飞速发展，如何使计算机能够识别人类的表情进而得到人类的情感状态，已经越来越多地受到计算机科学、心理学等学科的关注。

目前在情感计算领域已出现了诸多情感模型，但大多局限于图像的整体融合训练，情感模型结果不够进准，无法满足细微表情状态下的情绪状态判断。

申请号为201611014343.9的中国专利，公开了一种基于深度学习的情绪识别方法及其装置，该装置包括人脸图像采集模块，基于深度学习表情识别模块，表情预警模块。通过对采集每次员工打卡时候的面部图像，采用技术深度学习算法的表情分析算法来分析员工的情绪，并与历史情绪进行对比分析，当情绪出现异常时，装置向相关人员发出告警信息；其获取员工的人脸正面图像，并将图像按照员工的ID和打卡日期的方式存储到图像数据库中，这种以固定ID的方式使用不便，且图像处理将人脸面部图像调整为227*227大小的RGB图像，通过已经训练好的VGGNet网络进行情绪分类，其图像处理较为粗略，不能进准分辨微表情，是的情绪分类效果不够理想，迫切需要加以改进。

发明内容

为解决上述问题，本发明提供了一种情绪识别方法及其装置，其中情绪识别方法可辨识度高，表情特征判别模型具有高度的完整性、可靠性，通过模型得出的情绪结果更准确。

为实现所述技术目的，本发明的技术方案是：一种情绪识别方法，包括采集识别对象面部图像后进行数据处理，数据库存储并建立表情判别特征模型，得出情绪输出的方法；

所述数据处理方法是根据面部特征分区，提取各区内特征部分变化参数，建立个人ID后将参数发送至数据库中后进行图像预处理；

所述建立数据库是将所述参数和预处理图像参照历史数据库后，以个人ID目录所构建的参数库和图像库的整合；

所述建立表情判别特征模型方法是基于所述数据库，通过卷积神经网络进行训练。

进一步，所述数据处理方法包括以下步骤：

S1：采集识别对象面部图像，通过面部识别技术，根据面部特征分为前额区、鼻翼区、眉区、唇周区、脸颊区至少五个区域，并对所述各个区域分别放大进行数据分析，所述数据分析是对前额细纹变化、鼻翼收缩、眉毛间距和抖动、唇周外形变化、脸色变化参数的分析；

S2：利用图像压缩技术采集到的图像进行图像预处理；

S3：建立个人ID，将步骤S1中数据分析后的参数发送至所述参数库，将步骤S2中图像预处理后的图像发送至所述图像库。

进一步，所述步骤S1中数据分析还包括对血压参数、脉搏参数、体温参数的分析。

进一步，所述建立数据库包括以下步骤：

第一步：通过模糊逻辑和D-S融合技术将数据分析后得到的参数和图像预处理后的图像分别参照对比历史数据库中的参数库和图像库，判断是否具有所述个人ID的历史参数或图像；

第二步：在历史数据库中具有所述个人ID的历史参数或图像时，将此个人ID更新为历史个人ID，并在历史个人ID目录下添加参数和预处理图像；在历史数据库中没有所述个人ID的历史参数或图像时，将此个人ID存储为新的个人ID目录，并在新的个人ID目录下存储参数和预处理图像。

进一步，所述模糊逻辑是根据所述面部特征各分区的权重进行的参照对比。