[发明专利]一种基于情绪识别的ATM机防挟持方法及装置

说明书

本发明提供了一种基于情绪识别的ATM机防挟持方法及装置，可应用于金融领域，方法包括：对获取的人脸图像进行预处理，并从预处理后的人脸图像中提取面部特征；根据面部特征进行序列特征聚合分类得到人脸表情预测结果；从人脸图像中选取感兴趣区域，并根据感兴趣区域进行生理信号检测获得生理信号检测结果；根据人脸表情预测结果和生理信号检测结果获得防挟持预测结果。本申请通过将表情识别与生理信号诸如呼吸、心率等检测结果结合，综合判断用户的当前情绪状态，本申请能有效的识别情绪状态，使客户前往银行取款遇到歹徒时不用担惊受怕，能够有效的保护生命财产安全，并且还能够降低社会犯罪率。

技术领域

本申请属于人工智能技术领域，具体地讲，涉及一种基于情绪识别的ATM机防挟持方法及装置。

背景技术

目前社会上存在不少被不法分子挟持在ATM机取款的事件，当前学术研究上提供了一些防挟持的方法，但是由于其误判性较高，所以目前没有投入使用到营业网点中，只能依靠柜台员工人工识别，但是当取款用户过多时，银行员工无法同事兼顾柜台及ATM机的状况，因此不能避免危险情况的发生。

发明内容

本申请提供了一种基于情绪识别的ATM机防挟持方法及装置，以至少解决当前情绪识别机制误判性较高无法投入营业网点的安全防范中的问题。

根据本申请的一个方面，提供了一种基于情绪识别的ATM机防挟持方法，包括：

对获取的人脸图像进行预处理，并从预处理后的人脸图像中提取面部特征；

根据面部特征进行序列特征聚合分类得到人脸表情预测结果；

从人脸图像中选取感兴趣区域，并根据感兴趣区域进行生理信号检测获得生理信号检测结果；

根据人脸表情预测结果和生理信号检测结果获得防挟持预测结果。

在一实施例中，对获取的人脸图像进行预处理，包括：

通过人脸图像中人脸特征点的位置对人脸的角度和姿势进行归一化操作；

对人脸图像进行尺寸归一化处理。

在一实施例中，根据面部特征进行序列特征聚合分类得到人脸表情预测结果，包括：

利用AFEW动态表情序列训练的识别网络SE-ResNet50、DenseNet121和SE-Inception v4从人脸图像中提取序列图像的特征；

计算序列图像的特征的统计量得到固定维度的特征；

利用预先训练的linear SVM分类模型分别对固定维度的特征进行分类；

利用预先训练的FP-VGG-GRU网络模型对分类后的特征进行人脸表情预测。

在一实施例中，FP-VGG-GRU网络模型的训练过程包括：

对训练数据集进行帧提取；

对序列图像进行预处理生成灰度序列图片、LBP序列图片和融合序列图片；

利用序列图像进行预处理生成灰度序列图片、LBP序列图片和融合序列图片对预先建立的FP-VGG-GRU网络模型进行训练，并记录FP-VGG-GRU网络模型在AFEW验证集上的识别准确率。

在一实施例中，FP-VGG-GRU网络模型的建立过程包括：

利用预处理后的人脸图像训练FP-VGG-Face静态表情识别网络模型；

将训练后的FP-VGG-Face静态表情识别网络模型与GRU网络连接获得FP-VGG-GRU网络模型。