[发明专利]表情识别方法、装置及计算机可读存储介质

权利要求书

1.一种表情识别方法，其特征在于，所述方法包括：

收集人脸表情图像集，利用情感词汇对所述人脸表情图像集建立标签，产生标签集，并对所述人脸表情图像集进行预处理操作，得到人脸表情目标图像集；

通过迭代算法检测所述人脸表情目标图像集中的人脸表情目标，并利用HOG特征算子对所述检测的人脸表情目标进行特征提取，得到人脸表情目标的HOG特征图谱集，将所述HOG特征图谱集作为训练集，并将所述标签集和训练集存入数据库中；

将所述训练集和所述标签集输入至预先构建的表情识别模型，并利用所述训练集对所述表情识别模型进行训练，得到训练值，并将所述训练值和所述标签集输入至所述表情识别模型的损失函数中，得到损失函数值，直至所述损失函数值小于预设的阈值时，完成所述表情识别模型的训练；

接收用户上传的表情图片，并根据所述表情识别模型，输出与所述上传的表情图片匹配度最高的情感词汇。

2.如权利要求1所述的表情识别方法，其特征在于，所述预处理操作，包括；

利用对比度拉伸方法对所述人脸表情图像集进行对比度增强，识别所述人脸表情图像集中的人脸特定区域，并利用分段线性变换函数对所述人脸特定区域进行灰度拉伸；

利用直方图均衡化对所述人脸表情图像集进行灰度值处理，使所述灰度值在整个灰度值动态变化范围内分布均匀化；

根据自适应图像降噪滤波器对所述人脸表情图像集进行降噪，并利用校正处理对所述人脸特定区域进行校正，得到所述人脸表情目标图像集。

3.如权利要求1所述的表情识别方法，其特征在于，所述利用HOG特征算子对所述检测的人脸表情目标进行特征提取，得到人脸表情目标的HOG特征图谱集，包括：

计算所述人脸表情目标的每个像素点(x,y)的梯度幅值G(x,y)和梯度方向σ(x,y)，形成人脸表情目标的梯度矩阵，并将所述梯度矩阵分为小的细胞单元；

计算所述细胞单元中的每个像素点的梯度大小和方向，统计出梯度方向直方图，并计算出所述梯度方向直方图中的每一个方向通道的像素梯度的和；

对所述每一方向通道的像素梯度的和进行累加并构成向量，并将所述细胞单元组合成块，对每一个块中的向量进行归一化处理，得到特征向量，并将所述每一块中得到的特征向量进行连接，得到所述HOG特征图谱。

4.如权利要求1所述的表情识别方法，其特征在于，所述利用所述训练集对构建的表情识别模型进行训练，得到训练值，包括：

将所述训练集和所述标签集输入至所述表情识别模型的卷积神经网络的输入层，通过在所述卷积神经网络的卷积层中预设一组过滤器对所述训练集进行卷积操作，提取出特征向量；

利用所述卷积神经网络的池化层对所述特征向量进行池化操作并将池化后的特征向量输入至全连接层，通过激活函数对所述池化后的特征向量进行归一化处理和计算，得到所述训练值。

5.如权利要求1所述的表情识别方法，其特征在于，所述接收用户上传的表情图片，并根据所述表情识别模型，输出与所述上传的表情图片匹配度最高的情感词汇，包括：

接收用户上传的第一表情图片，根据所述表情识别模型，输出与所述第一表表情图片匹配度最高的第一情感词汇，并将所述第一情感词汇分享给预设对象；

接收所述预设对象上传的第二表情图片，根据所述表情识别模型，输出与所述第二表情图片匹配度最高的第二情感词汇，当所述第二情感词汇与所述的第一情感词汇相匹配时，通知所述预设对象表情挑战成功，并根据表情挑战成功的次数，对所述预设对象进行排名。