[發明專利]基于微表情的風險評估方法、裝置、設備及介質

有效

• 申請號: 201811182176.8
• 申請日: 2018-10-11
• 公開（公告）號: CN109472206B
• 公開（公告）日: 2023-07-07
• 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: G06Q40/03
• 分類號: G06Q40/03;G06Q20/40;G06V40/16
• 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: 譚果林

1.一種基于微表情的風險評估方法，其特征在于，所述風險評估方法包括：

獲取待評估對象的第一視頻數據，其中，所述第一視頻數據為所述待評估對象回答預設的基礎問題的視頻數據；

使用預設的微表情識別模型對所述第一視頻數據進行微表情識別，得到所述待評估對象的第一微表情數據，其中，所述預設的微表情識別模型從所述第一視頻數據中識別預設的指標特征，以及每種所述指標特征的特征數據，所述第一微表情數據包括每種所述指標特征的特征數據；

根據所述第一微表情數據中每種所述指標特征的特征數據，建立所述待評估對象的面部微表情基線數據，其中，所述面部微表情基線數據包括每種所述指標特征的正常數值范圍；

獲取所述待評估對象的第二視頻數據，其中，所述第二視頻數據為所述待評估對象回答預設的評估問題的視頻數據；

使用所述微表情識別模型對所述第二視頻數據進行微表情識別，得到所述待評估對象的第二微表情數據，其中，所述預設的微表情識別模型從所述第二視頻數據中識別所述指標特征，以及每種所述指標特征的待識別特征數據，所述第二微表情數據包括每種所述指標特征的待識別特征數據；

使用所述面部微表情基線數據中每種所述指標特征的正常數值范圍，對所述第二微表情數據中每種所述指標特征的待識別特征數據進行風險評估，得到所述待評估對象的風險評估結果。

2.如權利要求1所述的風險評估方法，其特征在于，所述預設的微表情識別模型包括人臉檢測模型、情緒判別模型、頭部姿態識別模型、眨眼檢測模型和虹膜邊緣檢測模型，所述預設的指標特征包括肌肉動作特征、頭部姿態特征、眨眼特征和眼動變化特征，所述使用預設的微表情識別模型對所述第一視頻數據進行微表情識別，得到所述待評估對象的第一微表情數據包括：

按照預設的提取方式，從所述第一視頻數據中提取預設數量的視頻幀圖像；

使用所述人臉檢測模型，對所述視頻幀圖像進行人臉檢測，提取所述視頻幀圖像中的人臉圖片；

將所述人臉圖片輸入所述情緒判別模型，進行微表情識別，得到所述待評估對象的每種所述肌肉動作特征的特征數據；

將所述人臉圖片輸入所述頭部姿態識別模型，進行頭部姿態識別，得到所述待評估對象的每種所述頭部姿態特征的特征數據；

將所述人臉圖片輸入所述眨眼檢測模型，進行眨眼次數檢測，得到眨眼頻率，并將所述眨眼頻率作為所述待評估對象的所述眨眼特征的特征數據；

將所述人臉圖片輸入所述虹膜邊緣檢測模型，進行眼動變化檢測，得到所述待評估對象的每種所述眼動變化特征的特征數據；

將每種所述肌肉動作特征的特征數據、每種所述頭部姿態特征的特征數據、所述眨眼特征的特征數據和每種所述眼動變化特征的特征數據作為所述第一微表情數據。

3.如權利要求1所述的風險評估方法，其特征在于，所述根據所述第一微表情數據中每種所述指標特征的特征數據，建立所述待評估對象的面部微表情基線數據包括：

獲取所述第一微表情數據中每種所述指標特征對應的預設最小比例系數和預設最大比例系數；

針對每種所述指標特征，計算該指標特征的特征數據與該指標特征對應的所述預設最小比例系數之間的第一乘積，以及該指標特征的特征數據與該指標特征對應的所述預設最大比例系數之間的第二乘積；

將每種所述指標特征對應的所述第一乘積和所述第二乘積之間的取值范圍，確定為每種所述指標特征的所述正常數值范圍，得到所述待評估對象的面部微表情基線數據。