[发明专利]人脸表情识别方法及装置有效

专利信息
申请号: 201711402426.X 申请日: 2017-12-22
公开(公告)号: CN107958230B 公开(公告)日: 2020-06-23
发明(设计)人: 吴世豪;胡希平;程俊;张星明 申请(专利权)人: 中国科学院深圳先进技术研究院
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 深圳中一专利商标事务所 44237 代理人: 郭鸿
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 表情 识别 方法 装置
【说明书】:

发明适用于人脸表情识别技术领域,提供了人脸表情识别方法及装置,包括:获取待处理图像;从所述待处理图像中提取人脸图像;基于深度学习对所述人脸图像进行表情分类,获取所述人脸图像的人脸表情标签,其中,所述人脸表情标签指示所述人脸的表情;对所述人脸图像进行人脸验证,获取人脸验证结果,其中,所述人脸验证结果指示所述人脸所属的用户的信息;显示所述人脸表情标签和所述人脸验证结果。通过本发明可解决现有技术中表情识别的准确率较低,且表情缺乏关联,无法获知同一用户的不同表情的问题。

技术领域

本发明属于人脸表情识别技术领域,尤其涉及人脸表情识别方法及装置。

背景技术

人脸表情识别是指从给定的图像中分析检测出人脸的表情状态,从而确定出被识别对象的心理情绪,例如,自然、高兴、生气、吃惊等。人脸表情识别是一个重要的领域,其有助于人物心情分析,人物性格分析,抑郁症检测等众多领域的发展。因此解决人脸表情识别人体具有十分重要的价值。然而,现有的人脸表情识别对表情特征的鲁棒性较差,容易受到身份信息等噪声的干扰,导致表情识别的准确率较低。同时目前的表情识别算法通常只能进行目标表情识别,表情缺乏关联,无法获知同一用户的不同表情。

故,有必要提出一种新的技术方案,以解决上述技术问题。

发明内容

有鉴于此,本发明提供了人脸表情识别方法及装置,以解决现有技术中表情识别的准确率较低,且表情缺乏关联,无法获知同一用户的不同表情的问题。

本发明的第一方面提供了一种人脸表情识别方法,所述人脸表情识别方法包括:

获取待处理图像;

从所述待处理图像中提取人脸图像;

基于深度学习对所述人脸图像进行表情分类,获取所述人脸图像的人脸表情标签,其中,所述人脸表情标签指示所述人脸的表情;

对所述人脸图像进行人脸验证,获取人脸验证结果,其中,所述人脸验证结果指示所述人脸所属的用户的信息;

显示所述人脸表情标签和所述人脸验证结果。

本发明的第二方面提供了一种人脸表情识别装置,所述人脸表情识别装置包括:

图像获取模块,用于获取待处理图像;

人脸提取模块,用于从所述待处理图像中提取人脸图像;

表情分类模块,用于基于深度学习对所述人脸图像进行表情分类,获取所述人脸图像的人脸表情标签,其中,所述人脸表情标签指示所述人脸的表情;

人脸验证模块,用于对所述人脸图像进行人脸验证,获取人脸验证结果,其中,所述人脸验证结果指示所述人脸所属的用户的信息;

显示模块,用于显示所述人脸表情标签和所述人脸验证结果。

本发明的第三方面提供了一种人脸表情识别装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述人脸表情识别方法的步骤。

本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述人脸表情识别方法的步骤。

本发明与现有技术相比存在的有益效果是:本发明方案获取待处理图像,从该待处理图像中提取人脸图像,并基于深度学习对该人脸图像进行表情分类,获取该人脸图像的人脸表情标签,通过对人脸图像进行人脸验证,可以获取人脸验证结果,从而获知该人脸所属的用户。本发明方案通过基于深度学习对人脸图像中的表情进行识别,提高了表情识别的准确性,并通过对人脸图像进行人脸验证,可将人脸图像中的表情进行关联,判断是否属于同一用户的不同表情。

附图说明

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院深圳先进技术研究院,未经中国科学院深圳先进技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711402426.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top