[发明专利]表情识别方法、装置及计算机可读存储介质

说明书

本发明涉及一种人工智能技术，揭露了一种表情识别方法，包括：获取人脸表情图像集以及标签集，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；利用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；利用所述HOG特征图谱集和所述标签集对预先构建的表情识别模型进行训练，得到训练好的表情识别模型，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。本发明还提出一种表情识别装置以及一种计算机可读存储介质。本发明实现了表情的精准识别。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种智能化的表情识别方法、装置及计算机可读存储介质。

背景技术

近年来，随着微信小程序的兴起，一些小程序游戏层出不穷。同时，随着人工智能这一技术的兴起，人工智能与微信小程序这一概念的结合引起了市场的广泛关注。而人脸表情识别是人工心理和人工情感理论研究的重要组成部分，涉及到图像处理与分析、模式识别、计算机视觉、计算机图形学、人工智能、认知科学、生理学、心理学等多种科学，对其进行深入研究能有利促进这些科学的发展与进步。在多模式人机交互界面中，表情与视线、体态和声音等有机结合起来可以获得更加高效的人机交流。因此，人脸表情识别在人机交互中扮演着重要的角色。对表情识别进行深入研究可以使机器人更好地理解人类的情感和心理，使其在与人的交互过程中，变得更友好、更智能、更人性化，从而更好地为人类服务。

发明内容

本发明提供一种表情识别方法、装置及计算机可读存储介质，其主要目的在于当用户在识别人脸表情时，给用户呈现出精准的表情识别结果。

为实现上述目的，本发明提供的一种表情识别方法，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。

可选地，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。

可选地，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；