[發明專利]微表情識別方法、裝置、計算機設備及存儲介質

在審

• 申請號: 201810939223.2
• 申請日: 2018-08-17
• 公開（公告）號: CN110197107A
• 公開（公告）日: 2019-09-03
• 發明（設計）人: 朱文和
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 周燕君

1.一種微表情識別方法，其特征在于，包括：

獲取當前待識別圖像，判斷所述當前待識別圖像中是否存在被測者人臉圖像；

若所述當前待識別圖像中存在所述被測者人臉圖像，則基于微表情識別模型對所述當前待識別圖像進行微表情識別，輸出所述當前待識別圖像的情緒識別結果；

若所述當前待識別圖像中不存在所述被測者人臉圖像，則更新動態閾值；

根據更新后的所述動態閾值獲取下一幅待識別圖像，將所述下一幅待識別圖像作為當前待識別圖像，返回執行所述判斷所述當前待識別圖像中是否存在被測者人臉圖像的步驟。

2.如權利要求1所述的微表情識別方法，其特征在于，所述更新動態閾值，具體包括：

將所述動態閾值增加一預設增加數值，得到第一目標閾值；

若所述第一目標閾值大于所述預設最大閾值，則將所述預設最大閾值設為更新后的動態閾值；

若所述第一目標閾值小于或等于所述預設最大閾值，則將所述第一目標閾值設為更新后的動態閾值。

3.如權利要求1所述的微表情識別方法，其特征在于，在所述若所述當前待識別圖像中存在所述被測者人臉圖像，則基于微表情識別模型對所述當前待識別圖像進行微表情識別，輸出所述當前待識別圖像的情緒識別結果的步驟之后，所述微表情識別方法還包括：

將所述動態閾值減小一預設減小數值，得到第二目標閾值；

若所述第二目標閾值小于所述預設最小閾值，則將所述預設最小閾值設為更新后的動態閾值；

若所述第二目標閾值大于或等于所述預設最小閾值，則將所述第二目標閾值設為更新后的動態閾值；

根據更新后的所述動態閾值獲取下一幅待識別圖像，將所述下一幅待識別圖像作為當前待識別圖像，返回執行判斷所述當前待識別圖像中是否存在被測者人臉圖像的步驟。

4.如權利要求1所述的微表情識別方法，其特征在于，所述若所述當前待識別圖像中存在所述被測者人臉圖像，則基于微表情識別模型對所述當前待識別圖像進行微表情識別，輸出所述當前待識別圖像的情緒識別結果，還包括：

獲取所述當前待識別圖像對應的當前圖像時間，計算當前圖像時間和上一識別圖像的上一識別圖像時間的時間差值；

若所述時間差值小于預設時間閾值，則獲取上一識別圖像的上一識別結果，作為所述當前待識別圖像的情緒識別結果。

5.如權利要求4所述的微表情識別方法，其特征在于，在所述計算當前圖像時間和上一識別圖像的上一識別圖像時間的時間差值的步驟之后，所述微表情識別方法還包括：

若所述時間差值大于或等于預設時間閾值，則將所述當前待識別圖像輸入到微表情識別模型中進行識別，輸出所述當前待識別圖像的情緒識別結果。

6.如權利要求1所述的微表情識別方法，其特征在于，在所述若所述當前待識別圖像中存在所述被測者人臉圖像，則基于微表情識別模型對所述當前待識別圖像進行微表情識別，輸出所述當前待識別圖像的情緒識別結果的步驟之前，所述微表情識別方法還包括：

獲取微表情訓練集，其中，所述微表情訓練集包括微表情訓練圖像和微表情訓練圖像的標注數據；

初始化卷積神經網絡模型；

采用所述微表情訓練集訓練所述卷積神經網絡模型，獲取所述微表情識別模型。

7.一種微表情識別裝置，其特征在于，包括：

當前待識別圖像判斷模塊，用于獲取當前待識別圖像，判斷所述當前待識別圖像中是否存在被測者人臉圖像；

情緒識別結果輸出模塊，用于若所述當前待識別圖像中存在所述被測者人臉圖像，則基于微表情識別模型對所述當前待識別圖像進行微表情識別，輸出所述當前待識別圖像的情緒識別結果；

動態閾值更新模塊，用于若所述當前待識別圖像中不存在所述被測者人臉圖像，則更新動態閾值；

第一返回模塊，用于根據更新后的所述動態閾值獲取下一幅待識別圖像，將所述下一幅待識別圖像作為當前待識別圖像，返回執行所述判斷所述當前待識別圖像中是否存在被測者人臉圖像的步驟。