[发明专利]一种人脸图像的表情识别模型、方法、存储介质及设备

说明书

本申请提供一种人脸图像的表情识别模型、方法、存储介质及设备，人脸图像的表情识别模型包括图像输入单元、多层级网络单元和结果输出单元，图像输入单元用于获取输入图像，多层级网络单元用于根据输入图像和基于输入图像确定的多个区域图像，确定出多个预测类别分量，并将每个预测类别分量传递至结果输出单元，每个区域图像为图像输入单元基于输入图像和注意区域参数进行处理所得，注意区域参数为多层级网络单元基于对输入图像的处理所得。结果输出单元用于基于多层级网络单元输出的多个预测类别分量，确定出表情识别结果并输出。这样可以增加特征提取的深度，由此可以得到多种不同尺度的特征，丰富特征尺度，从而有利于提升人脸表情识别的精度。

技术领域

本申请涉及人脸识别技术领域，具体而言，涉及一种人脸图像的表情识别模型、方法、存储介质及设备。

背景技术

在人机交互领域中，人脸表情的精确识别可以帮助机器和计算机识别出人类可能的认知和思维方式，从而准确理解人类的情感，有利于提升人机交互的质量。人脸表情数据是高维复杂的数据，描述人脸表情的数据具有较大的空间维度。

高精度的人脸特征特征提取，以及，丰富提取的人脸特征的尺度，有利于提升表情识别的精度。但目前对于人脸表情识别的研究中，未见相关研究方法和识别模型。

发明内容

本申请实施例的目的在于提供一种人脸图像的表情识别模型、方法、存储介质及设备，以通过高精度的人脸特征特征提取和丰富人脸特征的尺度，提升人脸表情识别的精度。

为了实现上述目的，本申请的实施例通过如下方式实现：

第一方面，本申请实施例提供一种人脸图像的表情识别模型，包括：图像输入单元，用于获取输入图像，其中，所述输入图像包含需要进行表情识别的目标人脸；多层级网络单元，用于根据所述输入图像和基于所述输入图像确定的多个区域图像，确定出多个预测类别分量，并将每个预测类别分量传递至结果输出单元，其中，每个所述区域图像为所述图像输入单元基于所述输入图像和所述多层级网络单元反馈的注意区域参数进行处理所得，所述注意区域参数为所述多层级网络单元基于对所述输入图像的处理所得；所述结果输出单元，用于基于多层级网络单元输出的多个预测类别分量，确定出表情识别结果并输出。

在本申请实施例中，人脸图像的表情识别模型包括图像输入单元、多层级网络单元和结果输出单元，图像输入单元用于获取输入图像，多层级网络单元用于根据输入图像和基于输入图像确定的多个区域图像，确定出多个预测类别分量，并将每个预测类别分量传递至结果输出单元，其中，每个区域图像为图像输入单元基于输入图像和多层级网络单元反馈的注意区域参数进行处理所得，注意区域参数为多层级网络单元基于对输入图像的处理所得。而结果输出单元用于基于多层级网络单元输出的多个预测类别分量，确定出表情识别结果并输出。通过设计多层级网络单元，利用其对输入图像的处理，可以进一步锁定至更具体的区域(多个区域图像)，进行进一步的特征提取，从而可以增加特征提取的深度，由此可以得到多种不同尺度的特征，丰富特征尺度，从而有利于提升人脸表情识别的精度。

结合第一方面，在第一方面的第一种可能的实现方式中，所述多层级网络单元，包括全局上层网络和区域中层网络，所述区域中层网络包括多个与所述全局上层网络连接的区域中层子网，所述全局上层网络，用于对所述输入图像进行处理，确定出一个上层预测类别分量和多个注意区域参数，将该上层预测类别分量传递至结果输出单元，并将多个注意区域参数反馈给所述图像输入单元；所述图像输入单元，则用于基于每个注意区域参数对所述输入图像进行裁切和插值处理，得到多个对应的区域图像，并将多个区域图像输入至所述区域中层网络，其中，每个区域图像为目标人脸中的一部分；每个所述区域中层子网，用于基于输入该区域中层子网的区域图像，确定出一个中层预测类别分量，并将该中层预测类别分量传递至结果输出单元。