[发明专利]面部表情图片处理方法、装置、计算机设备和存储介质

说明书

本申请涉及人工智能领域，提供了一种面部表情图片处理方法、装置、计算机设备和存储介质。方法包括：将获取的面部表情图片拆分成多个面部区域，分别提取各面部区域的特征向量，可以更准确、详细地描述面部区域特征，提高匹配的准确率，根据面部区域的区域标识，遍历与区域标识对应的标签数据库，查找标签数据库中与特征向量匹配的标签信息，将面部表情图片的各面部区域的标签信息进行组合，获取标签信息组合结果，根据标签信息组合结果确定面部表情图片对应的情绪特征。通过将面部表情图片拆分，确定拆分后各面部区域的标签，然后将标签进行组合的方式，可以精确分析到面部表情图片中的每个细节，提高了情绪分析的准确率。

技术领域

本申请涉及图片处理技术领域，特别是涉及一种面部表情图片处理方法、装置、计算机设备和存储介质。

背景技术

随着信息技术的发展，对图片的识别处理技术也越来越成熟，例如图片分类，人脸识别等技术，这些技术的快速发展给我们的生活带来了许多便利。目前的人脸识别技术可以用于识别是否为活体，甚至可以识别身份、判断是否为本人。

然而，随着不同的业务需要，对图片处理技术提出了更高的需求，例如在接收到客户申请的大额信用贷款时，通常需要工作人员的线下或远程面审，在对借款客户的面审过程中，主要依赖于工作人员的经验来判断，判断结果不够准确，存在一定的难度和风险，针对此情况，亟待实现一种能够准确进行情绪分析的方法。

发明内容

基于此，有必要针对上述技术问题，提供一种能够准确进行情绪分析的面部表情图片处理方法、装置、计算机设备和存储介质。

一种面部表情图片处理方法，所述方法包括：

将获取的面部表情图片拆分成多个面部区域，分别提取各面部区域的特征向量；

根据面部区域的区域标识，遍历与区域标识对应的标签数据库，查找标签数据库中与特征向量匹配的标签信息；

将面部表情图片的各面部区域的标签信息进行组合，获取标签信息组合结果；

根据标签信息组合结果确定面部表情图片对应的情绪特征。

在其中一个实施例中，将获取的面部表情图片拆分成多个面部区域，分别提取各面部区域的特征向量之前，还包括：

获取表情图片的训练样本与测试样本；

将训练样本输入预设神经网络模型，通过聚类分析对训练样本进行分类训练；

根据训练得到的模型评估参数，对预设神经网络模型的结构进行调整，获得初始面部表情分析模型；

将测试样本输入初始面部表情分析模型，根据样本测试结果对初始面部表情分析模型的参数进行调整，获得优化面部表情分析模型，优化面部表情分析模型用于根据输入的面部表情图片，确定面部表情图片对应的情绪特征。

在其中一个实施例中，将训练样本输入预设神经网络模型，通过聚类分析对训练样本进行分类训练，包括：

对训练样本按面部区域进行拆分，并提取各面部区域的样本特征向量；

通过聚类分析对样本特征向量进行层级分类；

将训练样本输入预设神经网络模型，通过聚类分析对训练样本进行分类训练之后，还包括：

将样本特征向量设定样本标签信息，并按多层级分类的结果构建标签数据库；

根据预设的训练样本表征的样本情绪特征，以及训练样本对应的样本标签信息组合，建立样本标签信息组合与样本情绪特征的关联关系；

根据样本标签信息组合与样本情绪特征的关联关系，构建情绪特征库。

在其中一个实施例中，根据标签信息组合结果确定面部表情图片对应的情绪特征，包括：