[发明专利]基于人脸表情识别的顾客满意度获取方法

说明书

本发明涉及一种基于人脸表情识别的顾客满意度获取方法，包括：通过摄像头采集图像；基于Haar特征的AdaBoost人脸检测方法，对采集图像进行人脸检测；选取fer2013表情数据集，训练卷积神经网络，得到表情识别模型；由表情识别模型对检测到的人脸图片进行表情识别，得到表情分类结果；根据表情分类结果，获取对应的顾客满意度结果。与现有技术相比，本发明基于Haar特征的AdaBoost分类器实现人脸检测、基于卷积神经网络实现表情识别，将两者有效结合以获取顾客满意度结果，并且对传统卷积神经网络结构进行了改进，提高了训练速度、缩短了训练时间、增强了卷积神经网络的鲁棒性，能够精准提取表情特征。

技术领域

本发明涉及人脸表情识别技术领域，尤其是涉及一种基于人脸表情识别的顾客满意度获取方法。

背景技术

心理学家Mehrabian曾给出一个公式：感情表露＝7％的言词+38％的声音+55％的面部表情，说明人脸表情含有丰富的人体行为信息，是情感最主要的载体。人脸表情识别是指从给定的静态图像或动态视频序列中分离出特定的表情状态，从而确定被识别的对象的情绪，实现计算机对人脸表情的解析与识别。人脸表情识别在社会上的应用非常广泛，主要的应用领域包括人机交互、智能控制、安全、医疗、通信等领域：就心理学而言，面部表情识别技术可以用于预防犯罪等方面，促进心理学的发展；就医学而言，面部表情识别技术可以帮助医生更好的分析病人的精神状态，做出正确的诊断，从而提高医疗水平，降低国家在医疗方面的支出；就计算机科学领域的发展而言，面部表情识别技术对于实现自然人机交互具有重大意义，面部表情识别技术的研究有利于人脸识别以及面部图像处理的研究，对于计算机的图像理解也有很大的推动作用。

基于此，当前大多数行业的顾客满意度都是通过线下或线上调查问卷的方法获得的，这种方法的效率低，且不能保证结果的全面性及准确性，如果通过人脸表情识别来获取顾客满意度，有利于直观全面地获取顾客满意度，提高顾客满意度获取的速度及准确性。

根据对人脑的研究表明，人脸检测识别和人脸的表情识别是分开、并行的处理过程，随着人脸的计算机处理技术(包括人脸检测和人脸识别)不断完善，利用计算机进行面部表情分析也就成为可能，但表情识别也是一个非常困难的研究方向，主要体现在人脸检测的准确性，以及人脸检测与表情识别的结合有效性上。

目前，人脸表情识别的方法大致可以分为四类：基于模板的匹配方法、基于神经网络的方法、基于概率模型的方法和基于支持向量机的方法，国际上通常采用主成分分析法(PCA)、基于独立分量分析ICA的算法进行表情特征的提取，以及采用深度学习方法进行表情特征的识别，国内对于人脸表情识别的研究比较晚，邓洪波和金连文提出了一个基于局部Gabor滤波器组及PCA+LDA的人脸表情识别方法；南京邮电大学的卢官名等人提出一种基于卷积神经网络的人脸表情识别方法，使得计算机学习到的特征更具有推广性和表征能力；周宇旋，吴秦等人提出了判别性完全局部二值模式人脸表情识别，利用最近邻分类器进行分类识别；黄寿喜，邱卫根提出了基于改进的深度信念网络的人脸表情识别，针对目前人脸表情识别鲁棒性较差的问题，改进了深度信念网络的人脸表情识别方法，让人脸表情识别与深度信念网络更好的结合。

尽管上述方法均能实现人脸表情识别，但由于没有将人脸检测及表情识别进行有效结合，且人脸检测的准确率低，最终导致人脸表情识别结果并不精确，此外，传统的VGGNet卷积神经网络在进行表情识别时通常需要多个处理层进行不断深度学习，其鲁棒性差，容易导致部分表情信息丢失，且识别过程和时间都比较冗长。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于人脸表情识别的顾客满意度获取方法。

本发明的目的可以通过以下技术方案来实现：一种基于人脸表情识别的顾客满意度获取方法，包括以下步骤：

S1、通过摄像头采集图像；

S2、基于Haar特征的AdaBoost人脸检测方法，对采集图像进行人脸检测，并对检测到的人脸图片进行标记及转化；