[发明专利]基于人工智能的表情识别方法

说明书

本发明公开了一种基于人工智能的表情识别方法，S1，表情图像获取，通过将高清摄像头采集图像；S2，表情图像预处理，图像预处理包括进行图像压压缩、图像抽样、输入矢量标准化；S3，表情特征提取，在云端服务器实现训练，训练好模型后在终端侧进行深度学习，在该步骤中，包括提取识别人脸表情中的年龄；S4，表情分类识别，采用CNN识别算法，该CNN架构为多层卷积层，卷积层之后有最大池，最后接多层密集层；对于输入的图像检测给出愤怒、害怕、开心、伤心、惊喜和平静六种表情中可能性最大的一种。本发明支持多种识别模式，高效响应检测速度，可直接应用到手机拍照、人机互动等各种项目中，缩减研产时间与成本等。

技术领域

本发明涉及表情识别技术领域，更为具体地，涉及一种基于人工智能的表情识别方法。

背景技术

人类面部表情丰富，但可以总结归纳为七类基本表情：happy,sad,surprise,fear,anger,disgust,and neutral。面部表情是通过面部肌肉活动表达出来，有些比较微妙且复杂，包含了大量内心活动信息。通过面部表情识别，我们能简单而低成本地度量出观众/用户对内容和服务的态度。例如，零售商使用这些度量评估客户的满意度。健康医疗提供商能在治疗的过程根据病人的表情状态来提高服务。娱乐厂商能够监控观众的喜欢来持续的生产优质的内容。随着人工智能的技术日益发展，在计算机视觉的领域中，表情识别的技术已经非常成熟。在商业应用中出现了手机美颜、人机交互大量等AI项目，而这些项目的部署则需要完整的硬件端配合。现有技术中存在的问题：(1)系统集成度差；(2)识别率较低；(3)识别模式较为单一等问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于人工智能的表情识别方法，基于高性能的硬件配置，适配多种表情识别算法，拥有强大的表情识别性能，支持多种识别模式，高效响应检测速度，可直接应用到手机拍照、人机互动等各种项目中，缩减研产时间与成本等。

本发明的目的是通过以下技术方案来实现的：

一种基于人工智能的表情识别方法，包括：

S1，表情图像获取，通过将高清摄像头采集图像；

S2，表情图像预处理，图像预处理包括进行图像压压缩、图像抽样、输入矢量标准化；

S3，表情特征提取，在云端服务器实现训练，训练好模型后在终端侧进行深度学习，在该步骤中，包括提取识别人脸表情中的年龄；

S4，表情分类识别，采用CNN识别算法，该CNN架构为多层卷积层，卷积层之后有最大池，最后接多层密集层；对于输入的图像检测给出愤怒、害怕、开心、伤心、惊喜和平静六种表情中可能性最大的一种。

进一步的，在步骤S2中，归一化人脸裁剪区域，用于将所有的表情样本图片尺度大小进行统一，便于之后的表情特征提取。

进一步的，在步骤S2中，将转为灰度图后的表情图片进行直方图均衡化，图像中的各灰度值重新进行均匀分布，用于增强图像的对比度，改善图像的质量。

进一步的，在步骤S3中，采用Firefly-RK3399高性能嵌入式开发板进行终端侧深度学习。

进一步的，在步骤S3中，采用CNN年龄识别算法进行提取识别人脸表情中的年龄。

本发明的有益效果是：

(1)本发明基于高性能的硬件配置，适配多种表情识别算法，拥有强大的表情识别性能，支持多种识别模式，高效响应检测速度，可直接应用到手机拍照、人机互动等各种项目中，缩减研产时间与成本等。

(2)本发明集成了硬件、算法、应用软件与云平台，可一站式直接部署表情识别的应用场景。例如，人脸样貌会随着年龄发生变化，导致对象当前面貌与图像库中的图像之间出现差异，从而引起识别率的下降，本发明克服年龄变化带来的表情识别误差，提高了识别精度。