[發明專利]基于人臉的性格分析方法、裝置、計算機設備及存儲介質

有效

• 申請號: 201910441885.1
• 申請日: 2019-05-24
• 公開（公告）號: CN110390254B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 汪飆;宋晨;陸進
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/80;G06V10/774
• 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: 黃章輝

本發明公開了一種基于人臉的性格分析方法、裝置、計算機設備及存儲介質，所述方法包括：獲取卡特爾十六種人格因素作為待分析性格，并訓練每一待分析性格對應的全卷積神經網絡；獲取待識別的人臉圖像，并對所述人臉圖像執行預處理；遍歷每一待分析性格，將預處理后的所述人臉圖像作為輸入傳入所述待分析性格對應的全卷積神經網絡，以對所述人臉圖像執行性格分析；獲取每一待分析性格對應的全卷積神經網絡輸出的熱圖，其中，所述熱圖通過不同的色彩表示人臉的不同區域對所述待分析性格的響應程度。本發明解決了現有技術在性格分析時存在的特征提取準確率欠佳、難以直觀表達人臉與性格的關系的問題。

技術領域

本發明涉及信息技術領域，尤其涉及一種基于人臉的性格分析方法、裝置、計算機設備及存儲介質。

背景技術

現有基于人臉的性格識別主要是基于中國傳統的性格知識庫，比如《人臉面部屬性估計與老化合成研究》提出的一種基于性格知識庫的人臉性格估計方法，在知識庫中存儲著人臉面部的屬性值對應著的人的性格的描述詞，通過查詢知識庫得到人臉性格，該方法過度依賴性格知識庫，且無法評估人臉對性格影響的主要區域。為了擺脫對知識庫的依賴，《基于人臉表情識別的視覺應用研究與實現》提出了一種基于LBP紋理特征與KPCA特征的人臉表情特征提取方法，建立了基于FCBR(模糊邏輯與案例推理)的表情分類方法，以及表情與心情之間的轉換方程，然而該方法使用傳統特征提取方式，特征提取準確率欠佳，難以直觀地探尋到人臉與性格的真實直接關系。可見，現有技術還沒有科學的人臉-性格預測方法。

因此，尋找一種提高人臉特征提取準確率、實現視覺上的人臉和性格的分析方法成為本領域技術人員亟需解決的問題。

發明內容

本發明實施例提供了一種基于人臉的性格分析方法、裝置、計算機設備及存儲介質，以解決現有技術在性格分析時存在的特征提取準確率欠佳、難以直觀表達人臉與性格的關系的問題。

一種基于人臉的性格分析方法，包括：

獲取卡特爾十六種人格因素作為待分析性格，并訓練每一待分析性格對應的全卷積神經網絡；

獲取待識別的人臉圖像，并對所述人臉圖像執行預處理；

遍歷每一待分析性格，將預處理后的所述人臉圖像作為輸入傳入所述待分析性格對應的全卷積神經網絡，以對所述人臉圖像執行性格分析；

獲取每一待分析性格對應的全卷積神經網絡輸出的熱圖，其中，所述熱圖通過不同的色彩表示人臉的不同區域對所述待分析性格的響應程度；

所述訓練每一待分析性格對應的全卷積神經網絡包括：

獲取若干用戶的多張人臉圖像作為訓練樣本集；

遍歷所述訓練樣本集中的每一張人臉圖像，對所述人臉圖像執行預處理；

獲取所述訓練樣本集中每一用戶關于每一所述待分析性格的性格分數，將每一所述性格分數量化為性格標簽；

將同一用戶關于每一所述待分析性格的性格標簽作為所述用戶的人臉圖像的性格標簽；

遍歷每一待分析性格，將所述訓練樣本集中每一用戶的人臉圖像以及所述待分析性格對應的性格標簽作為輸入傳入所述待分析性格對應的全卷積神經網絡，以對所述待分析性格的全卷積神經網絡進行訓練；

所述遍歷每一待分析性格，將所述訓練樣本集中每一用戶的人臉圖像以及所述待分析性格對應的性格標簽作為輸入傳入所述待分析性格對應的全卷積神經網絡，以對所述待分析性格的全卷積神經網絡進行訓練包括：

獲取待分析性格及其對應的全卷積神經網絡；

將訓練樣本集中每一用戶的人臉圖像以及所述待分析性格的性格標簽傳入所述全卷積神經網絡，通過所述全卷積神經網絡的卷積層對所述人臉圖像執行特征提取；