[發明專利]基于人臉表情識別的顧客滿意度獲取方法

有效

• 申請號: 201910645551.6
• 申請日: 2019-07-17
• 公開（公告）號: CN110399821B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 趙勤;高浩然;陳宇寧;盧柄屹;侯瑞君;徐騰
• 申請（專利權）人: 上海師范大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/774;G06V10/82;G06N3/0464;G06V10/764;G06V10/77
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 葉敏華

本發明涉及一種基于人臉表情識別的顧客滿意度獲取方法，包括：通過攝像頭采集圖像；基于Haar特征的AdaBoost人臉檢測方法，對采集圖像進行人臉檢測；選取fer2013表情數據集，訓練卷積神經網絡，得到表情識別模型；由表情識別模型對檢測到的人臉圖片進行表情識別，得到表情分類結果；根據表情分類結果，獲取對應的顧客滿意度結果。與現有技術相比，本發明基于Haar特征的AdaBoost分類器實現人臉檢測、基于卷積神經網絡實現表情識別，將兩者有效結合以獲取顧客滿意度結果，并且對傳統卷積神經網絡結構進行了改進，提高了訓練速度、縮短了訓練時間、增強了卷積神經網絡的魯棒性，能夠精準提取表情特征。

技術領域

本發明涉及人臉表情識別技術領域，尤其是涉及一種基于人臉表情識別的顧客滿意度獲取方法。

背景技術

心理學家Mehrabian曾給出一個公式：感情表露＝7％的言詞+38％的聲音+55％的面部表情，說明人臉表情含有豐富的人體行為信息，是情感最主要的載體。人臉表情識別是指從給定的靜態圖像或動態視頻序列中分離出特定的表情狀態，從而確定被識別的對象的情緒，實現計算機對人臉表情的解析與識別。人臉表情識別在社會上的應用非常廣泛，主要的應用領域包括人機交互、智能控制、安全、醫療、通信等領域：就心理學而言，面部表情識別技術可以用于預防犯罪等方面，促進心理學的發展；就醫學而言，面部表情識別技術可以幫助醫生更好的分析病人的精神狀態，做出正確的診斷，從而提高醫療水平，降低國家在醫療方面的支出；就計算機科學領域的發展而言，面部表情識別技術對于實現自然人機交互具有重大意義，面部表情識別技術的研究有利于人臉識別以及面部圖像處理的研究，對于計算機的圖像理解也有很大的推動作用。

基于此，當前大多數行業的顧客滿意度都是通過線下或線上調查問卷的方法獲得的，這種方法的效率低，且不能保證結果的全面性及準確性，如果通過人臉表情識別來獲取顧客滿意度，有利于直觀全面地獲取顧客滿意度，提高顧客滿意度獲取的速度及準確性。

根據對人腦的研究表明，人臉檢測識別和人臉的表情識別是分開、并行的處理過程，隨著人臉的計算機處理技術(包括人臉檢測和人臉識別)不斷完善，利用計算機進行面部表情分析也就成為可能，但表情識別也是一個非常困難的研究方向，主要體現在人臉檢測的準確性，以及人臉檢測與表情識別的結合有效性上。

目前，人臉表情識別的方法大致可以分為四類：基于模板的匹配方法、基于神經網絡的方法、基于概率模型的方法和基于支持向量機的方法，國際上通常采用主成分分析法(PCA)、基于獨立分量分析ICA的算法進行表情特征的提取，以及采用深度學習方法進行表情特征的識別，國內對于人臉表情識別的研究比較晚，鄧洪波和金連文提出了一個基于局部Gabor濾波器組及PCA+LDA的人臉表情識別方法；南京郵電大學的盧官名等人提出一種基于卷積神經網絡的人臉表情識別方法，使得計算機學習到的特征更具有推廣性和表征能力；周宇旋，吳秦等人提出了判別性完全局部二值模式人臉表情識別，利用最近鄰分類器進行分類識別；黃壽喜，邱衛根提出了基于改進的深度信念網絡的人臉表情識別，針對目前人臉表情識別魯棒性較差的問題，改進了深度信念網絡的人臉表情識別方法，讓人臉表情識別與深度信念網絡更好的結合。

盡管上述方法均能實現人臉表情識別，但由于沒有將人臉檢測及表情識別進行有效結合，且人臉檢測的準確率低，最終導致人臉表情識別結果并不精確，此外，傳統的VGGNet卷積神經網絡在進行表情識別時通常需要多個處理層進行不斷深度學習，其魯棒性差，容易導致部分表情信息丟失，且識別過程和時間都比較冗長。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基于人臉表情識別的顧客滿意度獲取方法。

本發明的目的可以通過以下技術方案來實現：一種基于人臉表情識別的顧客滿意度獲取方法，包括以下步驟：

S1、通過攝像頭采集圖像；

S2、基于Haar特征的AdaBoost人臉檢測方法，對采集圖像進行人臉檢測，并對檢測到的人臉圖片進行標記及轉化；