[发明专利]脸部表情辨识的方法及装置在审

专利信息
申请号: 201711445240.2 申请日: 2017-12-27
公开(公告)号: CN109934080A 公开(公告)日: 2019-06-25
发明(设计)人: 康浩平;吴佳桦;杨耀钦;高志忠 申请(专利权)人: 财团法人工业技术研究院
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 北京律诚同业知识产权代理有限公司 11006 代理人: 徐金国
地址: 中国台湾新竹*** 国省代码: 中国台湾;71
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 辨识 群组 脸部表情 脸部图像 辨识结果 辨识模型 相似度 分类
【说明书】:

本揭露提出一种脸部表情辨识的方法及装置。脸部表情辨识的方法包括:辨识多个脸部图像中表情的表情种类,并取得每一表情种类与另一表情种类间的辨识结果;根据所述辨识结果取得每一表情种类与另一表情种类间的相似度;根据所述相似度将所述表情种类分为多个表情群组;训练一第一辨识模型分类所述脸部图像中的所述表情至所述表情群组;以及对每一所述表情群组分别训练一第二辨识模型分类各自表情群组中的脸部图像的表情为所述表情种类其中之一。

技术领域

本揭露一般涉及生物识别技术,且更加具体地说是有关于一种脸部表情辨识的方法及装置。

背景技术

在生活中,人们经常通过脸部表情来表达情绪。脸部表情是人们传达其情绪及意图最有力、自然且直接的方式。脸部可表达情绪甚至是表达自己的感受快于人们用语言表达。例如,使用不同的脸部区域(主要是嘴、眼睛和眉毛)可表达不同的情绪。

现今,脸部表情识别技术得到了广泛的应用。例如,实体商店可以利用脸部表情识别技术来识别消费者浏览商品或广告时的表情(例如,高兴或恶心),以取得消费者对于此商品或广告的评价。

然而,目前的表情识别器通常依靠信号处理和模式识别技术将类别标签分配给表情状态,像是“生气”、或“伤心”等等。此种方法面临的主要挑战为人类行为的表达是变动很大的且取决于许多因素。这些因素可能包括表达行为的背景和领域。因此,表情的分类表示和简单的模式识别方案可能无法精确的辨识脸部表情。

需要一种脸部表情辨识的方法及装置,以提升脸部表情辨识的精确度。

发明内容

以下揭露的内容仅为示例性的,且不意指以任何方式加以限制。除所述说明方面、实施方式和特征之外,透过参照附图和下述具体实施方式,其他方面、实施方式和特征也将显而易见。即,以下揭露的内容被提供以介绍概念、重点、益处及本文所描述新颖且非显而易见的技术优势。所选择,非所有的,实施例将进一步详细描述如下。因此,以下揭露的内容并不意旨在所要求保护主题的必要特征,也不意旨在决定所要求保护主题的范围中使用。

本揭露提供一种脸部表情辨识的方法及装置。

本揭露提出一种脸部表情辨识的方法,包括:辨识多个脸部图像中表情的表情种类,并取得每一表情种类与另一表情种类间的辨识结果;根据所述辨识结果计算每一表情种类与另一表情种类间的相似度;根据所述相似度将所述表情种类分为多个表情群组;训练一第一辨识模型分类所述脸部图像中的所述表情至所述表情群组;以及对每一所述表情群组分别训练一第二辨识模型分类各自表情群组中的脸部图像的表情为所述表情种类其中之一。

在一些实施例中,一第一表情种类与一第二表情种类之间的相似度是根据所述第一表情种类与所述第二表情种类之间的交叉熵(Cross Entropy)所取得。

在一些实施例中,所述相似度表示如下:

S(p,q)=H(p,q)+H(q,p)

其中S(p,q)是为一表情种类p与一表情种类q之间的相似度,H(p,q)及H(q,p)是为所述表情种类p与所述表情种类q之间的一交叉熵,其中所述交叉熵H(p,q)表示如下:

其中TPp代表在所述表情种类p的所述脸部图像中表情被正确辨识为所述表情种类p的数量,FPp,q代表在所述表情种类p的所述脸部图像中表情被错误辨识为所述表情种类q的数量。

在一些实施例中,根据所述相似度将所述表情种类分为多个表情群组是包括:合并所述相似度最高的两个表情种类为一表情群组;取得未合并的表情种类与所述表情群组彼此之间的相似度;以及合并所述相似度最高的未合并的表情种类与所述表情群组或合并所述相似度最高的两个未合并的表情种类为另一表情群组。

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财团法人工业技术研究院,未经财团法人工业技术研究院许可,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/201711445240.2/2.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