[发明专利]一种表情识别模型的训练方法、装置以及设备

权利要求书

1.一种表情识别模型的训练方法，包括：

获取包含面部图像的训练样本；

确定所述训练样本中的N个关键点，以及，确定包含所述N个关键点的面部区域，N为大于1的自然数；

根据所述N个关键点之间的距离确定所述训练样本的姿态类型，其中，所述姿态类型对应于预设的融合权重参数分布；

提取所述N个关键点所对应的N个局部特征，以及，提取所述面部区域所对应的全局特征；

根据所述融合权重参数分布融合所述N个局部特征和所述全局特征，生成融合特征；

根据所述融合特征进行模型训练，生成目标模型。

2.如权利要求1所述的方法，其中，根据所述N个关键点之间的距离确定所述面部图像的姿态类型，包括：

确定所述N个关键点中被指定的M个关键点对之间的待识别距离，其中，所述待识别距离与面部的横滚、俯仰和偏转相关，且M为自然数；

将所述M个待识别距离与预设的K个姿态模板进行匹配，确定匹配的姿态模板，其中，K为大于1自然数，所述姿态模板包含在该姿态模板所对应的姿态类型下所述M个关键点对之间的标准距离；

将所述匹配的姿态模块所对应的姿态类型确定为所述面部图像的姿态类型。

3.如权利要求2所述的方法，其中，将所述M个待识别距离与预设的K个姿态模板进行匹配，确定匹配的姿态模板，包括：

将所述M个待识别距离组成待匹配向量；

针对第i个姿态模块，获取该姿态模板中的标准距离所组成的第i个标准向量，1≤i≤K；

确定所述第i个标准向量与所述待匹配向量的相似度S_i；

将相似度最大的姿态模板确定为匹配的姿态模板。

4.如权利要求3所述的方法，其中，确定所述第i个标准向量与所述待匹配向量的相似度S_i，包括：

将所述待匹配向量中所包含的距离进行归一化；

根据所述归一化的待匹配向量确定所述第i个标准向量与所述待匹配向量的相似度S_i。

5.如权利要求1所述的方法，其中，提取所述N个关键点所对应的N个局部特征，包括：

针对第j个关键点，获取以所述第j个关键点为中心的第j个感兴趣区域，1≤j≤N；

从所述第j个感兴趣区域中所包含的像素点中提取所述第j个关键点所对应的第j个局部特征。

6.如权利要求1所述的方法，其中，根据所述融合权重参数分布融合所述N个局部特征和所述全局特征，生成融合特征，包括：

根据所述融合权重参数分布分别确定所述N个局部特征和所述全局特征的加权系数；

将所述局部特征和所述全局特征根据所述加权系数进行逐点加权叠加，生成融合特征。

7.如权利要求1所述的方法，其中，确定所述训练样本中的N个关键点，包括：

采用包含关键点识别模块的初始模型确定所述训练样本中的N个关键点，以及，确定包含所述N个关键点的面部区域，其中，所述关键点识别模块中的参数初始值从包含所述关键点识别模块的关键点识别模型中迁移得到。

8.如权利要求7所述的方法，其中，包含所述关键点识别模块的关键点识别模型采用如下方式预先训练得到：

获取训练样本，所述训练样本包含身份标签、关键点标签和面部区域标签；

采用所述关键点识别模块提取所述训练样本的特征；

根据所述特征确定预测身份、预测关键点和预测面部区域；

分别确定所述预测身份与所述身份标签的第一损失值、所述预测关键点与所述关键点标签的第二损失值以及所述预测面部区域与所述面部区域标签的第三损失值；

融合所述第一损失值、第二损失值和所述第三损失值对所述关键点识别模块进行训练，生成包含所述关键点识别模块的关键点识别模型。