[發明專利]基于深度學習的人群高興程度識別方法

有效

• 申請號: 201611242470.4
• 申請日: 2016-12-29
• 公開（公告）號: CN106803069B
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 張文靜;盧官明;閆靜杰;李海波
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 劉傳玉

1.基于深度學習的人群高興程度識別方法，其特征在于，包括以下步驟：

步驟A)，將由人工標注的單個人臉圖像，按照標簽分類并對圖像大小歸一化后，得到人臉高興程度數據庫和人臉遮擋程度數據庫，將它們分別分為訓練集和驗證集并進行預處理操作；

步驟B)，分別構建用于識別人臉高興程度和人臉遮擋程度的卷積神經網絡；

步驟C)，對步驟B)中構建的兩個卷積神經網絡進行初始學習率、權重衰減系數、訓練迭代次數的設置后，將經過預處理操作后的人臉高興程度和人臉遮擋程度樣本分別對應輸入所述兩個卷積神經網絡，得到用于識別人臉高興程度和人臉遮擋程度的網絡模型；

步驟D)，使用含上述數據集的人臉和非人臉圖像對Adaboost分類器做再訓練；

步驟E)，輸入需要進行人群高興程度識別的合影圖像，利用訓練好的Adaboost分類器檢測出輸入的合影圖像中的所有人臉圖像，并對檢測出的第i個人臉圖像f_i直接輸入用于識別人臉高興程度和人臉遮擋程度的網絡模型分別進行人臉高興程度I_i和人臉遮擋程度q_i的識別，其中，I_i為合影圖像中第i個人臉的高興程度識別結果，取值范圍為0≤I_i≤u-1，u為人臉高興程度的類別總數，q_i為第i個人臉的遮擋程度識別結果，取值范圍為0≤q_i≤p-1，p為人臉的遮擋程度的類別總數；

步驟F)，計算輸入的合影圖像中的合影人數對該合影圖像中每張人臉高興程度的影響權重值，具體計算公式如下：

其中，m為訓練數據集中圖像的平均合影人數，s為輸入合影圖像中檢測出的人臉數，預設的參數α用于控制權重δ_i的影響大??；

步驟G)，計算輸入的合影圖像中每個人臉的遮擋程度對圖像中對應人臉的高興程度的懲罰值，具體計算公式如下：

λ_i＝||1-βq_i||,0≤λ_i≤1,0≤q_i≤p-1

其中，p為人臉的遮擋程度的類別總數，q_i為第i個人臉的遮擋程度，預設的參數β用于控制λ_i的影響大小；

步驟H)，計算出輸入合影圖像中的人群高興程度，具體計算公式如下：

其中，π_i＝δ_iλ_i。