[发明专利]一种基于卷积神经网络进行情绪测量的方法

权利要求书

1.一种基于卷积神经网络进行情绪测量的方法，包括在工作区域设置图像采集装置实时采集一个单位中每一个人的个人面部图像，使用人脸识别建立个人档案数据包以及对个人面部表情类别的分类，其特征在于，所述情绪测量的方法进一步包括建立个人面部表情类别识别模型，通过个人面部表情类别识别模型识别一个时间周期的表情形成个人的情绪状态，最后得到单位中每一个人的情绪状态的量化表；其中：

所述建立个人面部表情类别识别模型的步骤包括：

步骤一：获取个人面部识别过程中的人脸图像；

步骤二：按照所述面部表情类别的分类，对自然场景中，人员的表情图像进行人工标定，人工划分人脸图像表情代表的所述表情类别；

步骤三：对划分好类别的人脸图像进行人脸热力图像处理形成热力图像数据；

步骤四：使用卷积神经网络对热力图像数据学习，形成对应划分好类别的个人表情类别识别模型；

所述识别一个时间周期的表情形成个人的情绪状态，得到单位中每一个人的情绪状态的量化表的步骤包括：

第一步：实时采集经过图像采集装置的人脸图像，对人脸图像进行人脸识别，确定人脸图像对应的个人档案数据包；

第二步：对人脸图像进行人脸热力图像处理形成热力图像数据；

第三步：将热力图像数据输入个人表情类别识别模型，个人表情类别识别模型输出对应的个人面部表情类别分类，并将分类的结果和对应的时间存入对应的个人档案数据包，返回第一步直至接收到个人情绪状态的量化表请求命令进入第四步；

第四步：查询个人档案数据包，在请求命令要求的时间周期内累计计算个人档案数据包中各种表情类别出现的频率，根据出现的频率得到个人情绪状态的量化表；

所述人工划分人脸图像表情代表的所述表情类别是：组织经过训练的至少5个人，将人脸图像分发至所述5个人，5个人背靠背按照人面部表情类别确定人脸图像的表情所代表的类别，当5个人中所确定的类别相同不少于三人时，则认为该表情属于该类别；

在识别一个预测时间周期的表情形成个人的情绪状态，得到单位中每一个人的情绪状态的量化表的步骤中，如果当个人类别识别模型不能对输入的热力图像数据进行面部表情类别分类时，则将被识别人脸图像送至建立个人面部表情类别识别模型步骤中的步骤二，并依次执行接下来的步骤三、步骤四完善个人表情类别识别模型。

2.根据权利要求1所述情绪测量的方法，其特征在于，所述人面部表情类别分为7类，分别是：平静、愤怒、开心、惊讶、厌恶、生气、悲伤。

3.根据权利要求1所述情绪测量的方法，其特征在于，所述将被识别人脸图像转换为人脸热力图像形成热力图像数据是：读取被识别人脸图像；确定人脸识别过程中的特征识别点；获取围绕特征识别点的边缘点形成人脸图像的热力图像数据。

4.根据权利要求1所述情绪测量的方法，其特征在于，所述图像采集装置在工作区域的设置，至少能够获得在单位的每一个人每一天除了报道时人脸识别图像外的一个面部图像。

5.根据权利要求3所述情绪测量的方法，其特征在于，在读取被识别人脸图像后首先对图像进行预处理，预处理包括光照归一化处理、正面化处理、旋转、剪切处理。

6.根据权利要求3所述情绪测量的方法，其特征在于，所述获取围绕特征识别点的边缘点形成人脸图像的热力图像数据的过程是：以每个人脸识别过程中的特征识别点为中心，生成一个二维高斯分布，每个特征识别点对应热力图的一个通道，通过python的concat函数进行连接形成热力图像数据。