[发明专利]面部情绪识别模型的训练方法、情绪识别方法及相关设备

说明书

本公开提供一种面部情绪识别模型的训练方法、情绪识别方法及相关设备。能够收集自然语言中与情绪相关一些情绪词汇，然后搜集每个情绪词汇对应的人脸图像，并利用情绪词汇对人脸图像进行标注形成训练样本集，对预先构建的初始网络模型进行训练，得到面部情绪识别模型，再利用面部情绪识别模型对面部情绪识别处理。这样，由于面部情绪识别模型与自然语言表达空间一致，因此利用面部情绪识别模型进行面部情绪识别的结果更加符合人类自然感知的真实情绪，情绪识别更加精确。

技术领域

本公开涉及数据处理技术领域，尤其涉及一种面部情绪识别模型的训练方法、情绪识别方法及相关设备。

背景技术

人的面部神态能够大量反应出人的内心运动，因此观察人脸的视觉变化一直以来都是鉴别人的情绪状态的最佳方式。在计算机视觉，人机交互以及计算心理学领域，构建人工标注的人脸情绪数据集并采用深度网络模型进行图像分类学习，是一项具有研究价值和落地意义的工作。

传统的人脸情绪识别方法/数据集都建立在基础的情绪表示模型上，即包括七种基本情绪：中性，开心，伤心，惊讶，害怕，生气，厌恶等。然而人的面部情绪是复杂的，光靠这基础的七种情绪无法对人的面部情绪表达完整，这样就会导致人脸情绪识别不准确的问题。

发明内容

有鉴于此，本公开的目的在于提出一种面部情绪识别模型的训练方法、情绪识别方法及相关设备，用以解决或部分解决上述技术问题。

基于上述目的，本公开的第一方面提供了一种面部情绪识别模型的训练方法，包括：

获取与情绪相关的多个情绪词汇，将所述多个情绪词汇整合形成情绪词汇集合；

搜集与所述情绪词汇集合中的每个所述情绪词汇对应的人脸图像，利用所述情绪词汇对所述对应的人脸图像进行标注，将标注后的人脸图像作为训练样本集，其中，一个所述情绪词汇对应搜集到多个所述人脸图像；

将所述训练样本集中的人脸图像依次输入至预先构建的初始网络模型中进行训练处理，并依据所述初始网络模型每轮训练的输出结果和所述训练样本集中对应标注的情绪词汇对所述初始网络模型进行参数调整；当所述初始网络模型达到预设的收敛条件时，将所述初始网络模型作为用于面部情绪识别的面部情绪识别模型。

在一些示例性实施例中，所述获取与情绪相关的多个情绪词汇，将所述多个情绪词汇整合形成情绪词汇集合，包括：

从语言词汇库中筛选与情绪相关的多个待选词汇；

对多个所述待选词汇采用众包方式进行选定，去除不能进行对应情绪表达的待选词汇，将剩余的待选词汇作为情绪词汇；

对所述情绪词汇进行整合形成情绪词汇集合。

在一些示例性实施例中，所述对多个所述待选词汇采用众包方式进行选定，去除不能进行对应情绪表达的待选词汇，将剩余的待选词汇作为情绪词汇，包括：

根据每个所述待选词汇生成对应的调查数据，将所述调查数据通过网络进行发布，以供调查者通过终端设备接收所述网络传送的所述调查数据，并对所述调查数据进行是否能表达对应情绪的投票，生成对应的投票信息；

接收各个调查者通过终端设备反馈的投票信息，去除所述投票信息中不能表达对应情绪的待选词汇，将剩余的待选词汇作为情绪词汇。

在一些示例性实施例中，所述搜集与所述情绪词汇集合中的每个所述情绪词汇对应的人脸图像，利用所述情绪词汇对所述对应的人脸图像进行标注，将标注后的人脸图像作为训练样本集，包括：

将所述情绪词汇集合中的每个所述情绪词汇作为搜索标签进行搜索，获取与所述搜索标签对应的多个人脸图像，利用所述搜索标签对应的情绪词汇对所述多个人脸图像进行标注，将标注后的人脸图像存储至数据库中；