[发明专利]人脸表情识别方法、电子设备及存储介质有效
| 申请号: | 202210376844.0 | 申请日: | 2022-04-12 |
| 公开(公告)号: | CN114463826B | 公开(公告)日: | 2022-08-12 |
| 发明(设计)人: | 李立业;陈智超;寇鸿斌;付贤强 | 申请(专利权)人: | 合肥的卢深视科技有限公司 |
| 主分类号: | G06V40/16 | 分类号: | G06V40/16 |
| 代理公司: | 北京智晨知识产权代理有限公司 11584 | 代理人: | 张婧 |
| 地址: | 230091 安徽省合肥市高新区习友路3333*** | 国省代码: | 安徽;34 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 表情 识别 方法 电子设备 存储 介质 | ||
本申请实施例涉及人脸识别领域,公开了一种人脸表情识别方法、电子设备及存储介质。人脸表情识别方法包括:计算待测人脸的第一深度图与待测人脸的标准深度图中对应器官的三维变化量;标准深度图为自然表情状态下的深度图;依次对至少一个器官的三维变化量与表情库中包含该器官的器官动作组合进行匹配,并将与至少一个器官中最后一个器官的三维变化量相匹配的器官动作组合对应的表情类型作为第一深度图中人脸的表情类型;至少一个器官中非首个执行匹配的器官以及该器官对应的待匹配的器官动作组合基于该非首个器官的前一个执行匹配的器官所对应的匹配结果确定。只需进行至少一次匹配即可确定出待测人脸的表情类型,识别速度快、识别精度较高。
技术领域
本申请实施例涉及人脸识别领域,特别涉及一种人脸表情识别方法、电子设备及存储介质。
背景技术
人脸表情识别技术是指对待检测的人脸图像分析确定出一个表情类别,包括:愤怒、厌恶、开心、恐惧等等,其在人类行为方式分析、人机交互设计等领域具有重要作用。目前常用一种基于深度学习的人脸表情识别方法,该方法将人脸图像输入到已训练好的人脸表情识别模型(如卷积神经网络、残差神经网络等等)中提取人脸特征,通过人脸特征进行表情识别。但这种方法若想达到较高的识别精度,就需要采用复杂神经网络经过大量计算训练,时间长、成本高。
发明内容
本申请实施方式的目的在于提供一种人脸表情识别方法、电子设备及存储介质,只需将三维变化量与预先存储的多个器官动作组合进行至少一次匹配即可确定出待测人脸的表情类型,识别速度快、识别精度较高。
为解决上述技术问题,本申请的实施方式提供了一种人脸表情识别方法,包括:计算待测人脸的第一深度图与所述待测人脸的标准深度图中对应器官的三维变化量;其中,所述标准深度图为自然表情状态下的深度图;依次对至少一个所述器官的三维变化量与表情库中包含该器官的器官动作组合进行匹配,并将与所述至少一个器官中最后一个器官的三维变化量相匹配的器官动作组合对应的表情类型作为第一深度图中人脸的表情类型;其中,所述表情库中每个所述器官动作组合对应一个表情类型,以及该器官动作组合所包含的各器官从所述自然表情到对应表情类型的三维变化量;所述至少一个所述器官中非首个执行匹配的器官以及该器官对应的待匹配的器官动作组合基于该非首个器官的前一个执行匹配的器官所对应的匹配结果确定。
本申请的实施方式还提供了一种电子设备,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如上述实施方式提及的人脸表情识别方法。
本申请的实施方式还提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现上述实施方式提及的人脸表情识别方法。
本申请实施方式提供的人脸表情识别方法,通过计算待测人脸的第一深度图与待测人脸的标准深度图中对应器官的三维变化量来衡量各个器官的动作变化趋势和动作变化程度,依次对至少一个器官的三维变化量与表情库中包含该器官的器官动作组合进行匹配,并将与至少一个器官中最后一个器官的三维变化量相匹配的器官动作组合对应的表情类型作为第一深度图中人脸的表情类型,在匹配过程中,至少一个器官中非首个执行匹配的器官对应的待匹配的器官动作组合基于该非首个器官的前一个执行匹配的器官所对应的匹配结果确定,即每次匹配的范围都是根据上一次匹配结果确定,也就是说,本申请能实现以最少的匹配次数、最少的器官数量来快速确定待测人脸的表情类型,同时又以器官动作组合作为匹配基础,避免了对各器官进行单独匹配而出现的由于不同表情类型具有同一器官动作而产生的错误识别,提高了表情识别精度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥的卢深视科技有限公司,未经合肥的卢深视科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210376844.0/2.html,转载请声明来源钻瓜专利网。





