[发明专利]面具脸特征识别模型训练方法和装置

说明书

本申请提供一种面具脸特征识别模型训练方法和装置，方法包括：获取样本面部特征视频以及对应的评价标签；样本面部特征视频为用户按照设定规则执行操作而形成的视频；提取样本面部特征视频的图像帧而形成帧序列；按照帧序列，对帧序列中的相邻帧进行差分运算，得到差分图像；提取各个差分图像的特征矩阵；以及，按照帧序列组合各个差分图像的特征矩阵，得到视频特征矩阵；采用视频特征矩阵和对应的评价标签，训练面具脸特征识别模型。相比于现有技术中直接采用利用人脸面部特征进行特征提取，确定面具脸谱特征的方法，本方案能够简化计算，实现面具脸特征识别模型的快速建立，并能够达到较好地准确性。

技术领域

本申请涉及机器学习技术领域，具体涉及一种面具脸特征识别模型训练方法和装置。

背景技术

面具脸指的是表情呆板，即使有意地做表情但其因面部表情肌活动受抑制而表现出的面部状态。虽然并不不能直接作为帕金森病的直接诊断依据，但是从大量的已有病例确定面具脸和帕金森等神经系统变性疾病具有较强的关联关系，可以作为帕金森等疾病的初步筛选依据。

随着智能手机等智能终端的普及，原本需要专业人进行操作的身体健康数据监测工作可以由智能终端对采集数据进行运算处理得到。例如，面具脸的识别可以由深度学习算法对智能终端拍摄用户面部视频得到；在此情况下，核心问题是用于对采集数据进行处理的算法的适用性和准确性。

目前，已有提及采用智能终端对用户面部进行采集，得到样本面部特征视频，运用深度学习方法建立相关算法模型的过程，但是此类算法核心需要对视频中的各个帧进行特征识别，算法的计算量很大；实际应用中，在拍摄特征视频时的测试人员动作状态对识别结果具有很大影响。

发明内容

基于对现有技术方案的分析发现的问题，本申请提供一种面具脸特征识别模型训练方法和装置，以及面具脸识别方法。

一方面，本申请提供一种面具脸特征识别模型训练方法，包括：

获取样本面部特征视频以及对应的评价标签；所述样本面部特征视频为用户按照设定规则执行操作而形成的视频；

提取所述样本面部特征视频的图像帧而形成帧序列；

按照所述帧序列，对所述帧序列中的相邻帧进行差分运算，得到差分图像；

提取各个所述差分图像的特征矩阵；以及，按照所述帧序列组合各个所述差分图像的特征矩阵，得到视频特征矩阵；

采用所述视频特征矩阵和对应的所述评价标签，训练所述面具脸特征识别模型。

可选地，提取所述样本面部特征视频的图像帧而形成帧序列，包括：按照设定规则对所述样本面部特征视频进行划分，得到样本分视频；

提取各个所述样本分视频的图像帧而形成对应的帧序列；

按照所述帧序列组合各个所述差分图像的特征矩阵，得到视频特征矩阵，包括：按照所述样本分视频的排列顺序和对应所述帧序列，组合各个所述差分图像的特征矩阵，得到所述视频特征矩阵。

可选地，所述设定规则包括至少两个面部动作和各个所述面部动作的执行时间；

按照设定规则对所述样本面部特征视频进行划分，得到样本分视频，包括：根据所述面部动作和对应的所述执行时间对所述视频特征进行划分，得到所述样本分视频。

可选地，所述面部动作包括闭上双眼、放松并直视前方、微笑并露出牙齿。

可选地，提取所述样本面部特征视频的图像帧而形成帧序列，包括：

提取所述图像帧的面部图像区域；

按照所述图像帧的排序组合所述面部图像区域，形成所述帧序列。

可选地，所述差分图像的特征矩阵包括至少两个特征参数；