[发明专利]一种基于卷积神经网络进行情绪测量的方法

说明书

本发明公开了一种基于卷积神经网络进行情绪测量的方法，包括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，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，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预测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；本发明提升了表情识别在自然状态下的精度，实现在工作场景中自然状态下的大规模应用，以更为客观、非侵入式的方式采集情绪数据，摆脱了以往通过量表、问卷答题评估情绪的形式，保证了情绪数据的真实性和易操作性。

技术领域

本发明涉及一种基于卷积神经网络进行情绪测量的方法。

背景技术

传统的采集情绪数据的方式是通过心理学量表或问卷，让被测评者定时回答反映情绪的问题。操作十分复杂，且数据的主观性很大。在本研究中采用非侵入式的数据采集方式，使用表情自动识别技术自动采集表情，操作简便、数据更客观。

对于表情自动识别的方法，目前国内外学者提出了多种方法，分为传统的人工定制特征的分类方法(采用预处理——特征提取——分类的方法)以及深度学习的方法(通过深度神经网络实现特征提取和分类)

典型的深度学习模型有深度置信网络(Deep Belief Networks，DBN)、堆叠式自编码器(Stacked Auto Encoder，SAE)、卷积神经网络(Convolutiona丨 Neural Networks，CNN)等。

但现有的表情识别技术多在实验室条件下使用，实验室条件下的表情比较夸张、人脸姿态单一、环境单一，图像样本清晰，这些条件使表情图片质量较高，容易达到表情识别的目的，但是在走出实验室的自然条件下，环境极为复杂，在表情识别过程中会有诸多困难，如：背景复杂、表情的类内差异大于类间差异、有标注的样本较少、样本分布不均匀、光照变化大、人脸姿态各异等，使比较准确地识别表情面临的挑战较多。

发明内容

本发明的目的在于提出一种基于卷积神经网络进行情绪测量的方法，通过对人面目表情变化划分为7种类型加以区分，建立自然状态下表情识别模型，实现在自然环境状态下对面部表情的精准识别。再将表情数据转化为情绪数据，得到每个个体的情绪状态量化值，实现对情绪的自动测量。

为了实现上述目的，本发明的技术方案是：

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，其中，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，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；