[發明專利]表情識別方法、裝置、終端及計算機可讀存儲介質

在審

• 申請號: 201810990197.6
• 申請日: 2018-08-28
• 公開（公告）號: CN109325422A
• 公開（公告）日: 2019-02-12
• 發明（設計）人: 胡藝飛;徐國強;邱寒
• 申請（專利權）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 深圳市立智方成知識產權代理事務所(普通合伙) 44468
• 代理人: 王增鑫

1.一種表情識別方法，其特征在于，包括：

確定待識別視頻中同一人臉的多個在時間上連續的人臉圖像；

分別提取所述多個人臉圖像的表情特征；

根據所述多個人臉圖像的時序關系以及各表情特征確定表情特征時序序列；

將所述表情特征時序序列輸入至預設的表情識別模型，確定與所述表情特征時序序列對應的表情類別，并將所述表情類別對應的表情作為表情識別結果。

2.根據權利要求1所述的表情識別方法，其特征在于，所述預設的表情識別模型的訓練方法，具體包括：

確定訓練集中表情視頻對應的時間連續的多個人臉圖像；

提取各個人臉圖像中的表情特征；

將各個人臉圖像的表情特征依據時序組合成表情特征時序序列；

以預先標記的表情特征時序序列及表情類別作為訓練樣本，輸入至循環神經網絡模型，對所述循環神經網絡模型進行特征訓練，直至收斂，得到表情識別模型。

3.根據權利要求2所述的表情識別方法，其特征在于，所述對所述循環神經網絡模型進行特征訓練，直至收斂，得到表情識別模型，具體包括：

確定所述訓練樣本屬于各表情類別的概率值；

將最高概率值的表情類別對應的表情作為輸出結果；

通過循環神經網絡模型中的損失函數對所述輸出結果與所述訓練樣本預先標定的期望分類結果進行比較，當所述損失函數的輸出結果小于預定閾值時，所述訓練樣本的訓練結束；

否則，將所述訓練樣本重新輸入到循環神經網絡模型中進行訓練，在重新訓練之前通過反向算法，對循環神經網絡模型的各個權重進行調節。

4.根據權利要求2所述的表情識別方法，其特征在于，所述訓練集中的表情視頻與對應的表情類別以二維表結構的形式存儲。

5.根據權利要求1所述的表情識別方法，其特征在于，所述方法還包括：

將所述多個人臉圖像的表情特征與已知身份信息對應人臉特征作比對，確定所述表情特征的身份信息是否為已知身份信息。

6.根據權利要求1所述的表情識別方法，其特征在于，所述方法還包括：

依據所述表情識別結果，將所述表情識別結果與預設欺詐行為表情庫進行匹配，確定所述表情識別結果是否為欺詐表情。

7.根據權利要求6所述的表情識別方法，其特征在于，若所述表情識別結果為欺詐表情，所述方法還包括：

生成與所述欺詐表情對應的提醒信息，并將所述提醒信息發送至相關人員的終端設備。

8.一種表情識別裝置，其特征在于，包括：

圖像確定模塊，用于確定待識別視頻中同一人臉的多個在時間上連續的人臉圖像；

特征提取模塊，用于分別提取所述多個人臉圖像的表情特征；

時序序列確定模塊，用于根據所述多個人臉圖像的時序關系以及各表情特征，確定表情特征時序序列；

表情識別模塊，用于將所述表情特征時序序列輸入至預設的表情識別模型，確定與所述表情特征時序序列對應的表情類別，并將所述表情類別對應的表情作為表情識別結果。

9.一種表情識別終端，其特征在于，包括：

處理器、存儲器和總線；

所述總線，用于連接所述處理器和所述存儲器；

所述存儲器，用于存儲操作指令；

所述處理器，用于通過調用所述操作指令，執行上述權利要求1至7任一項所述的方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述存儲介質存儲有至少一條指令、至少一段程序、代碼集或指令集，所述至少一條指令、所述至少一段程序、所述代碼集或指令集由所述處理器加載并執行以實現如權利要求1至7任一項所述的方法。