[發(fā)明專利]基于循環(huán)神經(jīng)網(wǎng)絡(luò)的人物性格分析方法、裝置及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201711061207.X
• 申請日: 2017-11-02
• 公開（公告）號: CN108038414A
• 公開（公告）日: 2018-05-15
• 發(fā)明（設(shè)計）人: 陳林
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 于志光;郭夢霞

本發(fā)明提供一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的人物性格分析方法、裝置及計算機(jī)可讀存儲介質(zhì)。該方法包括以下步驟：收集樣本視頻并標(biāo)注性格類型；提取樣本視頻圖像序列的特征向量；構(gòu)建以Softmax分類器為輸出層的循環(huán)神經(jīng)網(wǎng)絡(luò)模型；用所述特征向量及性格類型標(biāo)注訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)模型，優(yōu)化訓(xùn)練參數(shù)，得到人物性格分析模型；采集待分析對象的面部視頻并提取該視頻圖像序列的特征向量；將提取的特征向量輸入人物性格分析模型，得到待分析對象對應(yīng)每種性格類型的概率值，取概率值最大的性格類型作為該待分析對象的性格類型。利用本發(fā)明，可以客觀分析人物的性格。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機(jī)視覺技術(shù)領(lǐng)域，尤其涉及一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的人物性格分析方法、裝置及存儲介質(zhì)。

背景技術(shù)

性格是人格的重要組成部分，了解人物的性格，可以提高人與人的溝通效率，也有助于人們選擇理性的思維方式，形成良好的人格特質(zhì)。

目前，人物性格分析一般是通過問卷調(diào)查或語音問答的方式實現(xiàn)的，需要耗費(fèi)大量的時間和人力資源。如果答卷人或答題者受客觀環(huán)境影響或不積極配合分析過程，分析結(jié)果往往不準(zhǔn)確客觀。

發(fā)明內(nèi)容

鑒于以上原因，本發(fā)明提供一種人物性格分析方法、裝置及存儲介質(zhì)，可以通過對人物的面部視頻進(jìn)行識別、分析，客觀、準(zhǔn)確地判斷人物的性格類型。

為實現(xiàn)上述目的，本發(fā)明提供一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的人物性格分析方法，該方法包括：

樣本準(zhǔn)備步驟：收集不同性格類型人物的預(yù)定時長的面部視頻作為樣本，為每個樣本標(biāo)注一個性格類型；

樣本特征提取步驟：提取每個樣本的圖像序列的特征向量；

模型構(gòu)建步驟：構(gòu)建以Softmax分類器為輸出層的循環(huán)神經(jīng)網(wǎng)絡(luò)模型；

模型訓(xùn)練步驟：定義Softmax損失函數(shù)，以各樣本的性格標(biāo)注及圖像序列的特征向量為樣本數(shù)據(jù)，對所述循環(huán)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，輸出各樣本對應(yīng)每種性格類型的概率值，每次訓(xùn)練更新該循環(huán)神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練參數(shù)，以使所述Softmax損失函數(shù)最小化的訓(xùn)練參數(shù)作為最終參數(shù)，得到人物性格分析模型；及

模型應(yīng)用步驟：采集待分析對象的預(yù)定時長的面部視頻，利用所述人物性格分析模型分析該待分析對象的該面部視頻，得到該待分析對象對應(yīng)每種性格類型的概率值，取概率值最大的性格類型作為該待分析對象的性格類型。

優(yōu)選地，所述樣本特征提取步驟還包括：

將所述樣本的視頻轉(zhuǎn)換為圖像序列。

可選地，所述特征向量為HOG特征向量、LBP特征向量、通過卷積神經(jīng)網(wǎng)絡(luò)提取的特征向量中的一種或幾種。

優(yōu)選地，所述模型構(gòu)建步驟包括：

根據(jù)所述樣本的圖像序列長度及每幀圖像的特征向量維數(shù)設(shè)置循環(huán)神經(jīng)網(wǎng)絡(luò)層數(shù)及每層的神經(jīng)元個數(shù)；

根據(jù)所述性格類型的數(shù)量設(shè)置所述Softmax分類器的神經(jīng)元個數(shù)。

優(yōu)選地，所述Softmax損失函數(shù)公式如下：

其中，θ為所述循環(huán)神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練參數(shù)，Xj表示第j個樣本，yj表示第j個樣本對應(yīng)的性格類型的預(yù)測概率。

優(yōu)選地，所述訓(xùn)練參數(shù)包括迭代次數(shù)。