[發(fā)明專利]表情識別方法、表情識別模型訓練方法及裝置

有效

• 申請?zhí)枺?/td>: 201910676912.3
• 申請日: 2019-07-25
• 公開（公告）號: CN110390307B
• 公開（公告）日: 2021-06-08
• 發(fā)明（設(shè)計）人: 邵珠宏;薛志毅;尚媛園;沈珺;徐子涵;丁輝;趙曉旭;劉鐵
• 申請（專利權(quán)）人: 首都師范大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 范彥揚

1.一種表情識別方法，其特征在于，包括：

將待識別圖像進行處理，以獲取人臉圖像；

將所述人臉圖像中的各個像素點在笛卡爾坐標系下使用四元數(shù)表示，確定出各個像素點的中間四元數(shù)，其中，所述四元數(shù)中的每一虛數(shù)的權(quán)重表示對應的一顏色分量的值；

將所述各個像素點的中間四元數(shù)轉(zhuǎn)換成各個像素點在極坐標系下的四元數(shù)，各個像素點在極坐標系下的四元數(shù)為第一四元數(shù)，每一像素點對應的第一四元數(shù)中的三個虛數(shù)的權(quán)重分別表示三個顏色分量的值，根據(jù)各個像素點的所述第一四元數(shù)使用設(shè)定計算公式計算得到矩陣元素，以得到人臉四元矩陣；

將所述人臉四元矩陣作為目標神經(jīng)網(wǎng)絡模型的輸入，對所述待識別圖像進行識別，以得到所述待識別圖像中的人臉的表情。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述設(shè)定計算公式包括：

其中，

其中，|m|≤n且n-|m|為偶數(shù)，μ表示單位純四元數(shù)，(r,θ)表示極坐標，q表示四元數(shù)矩陣形式，f^q(r,θ)表示坐標為(r,θ)的像素點的第一四元數(shù)，R_n,m(r)表示一中間變量，Z_n,m表示人臉四元矩陣中的第n行第m列的值，s表示一臨時變量。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述人臉圖像中的各個像素點在笛卡爾坐標系下使用四元數(shù)表示，確定出各個像素點的中間四元數(shù)通過以下公式實現(xiàn)：

f^q(x,y)＝if_R(x,y)+jf_G(x,y)+kf_B(x,y)；

其中，f^q(x,y)表示坐標為(x,y)的像素點的中間四元數(shù)，i,j,k分別表示四元數(shù)的三個虛數(shù)單位，R,G,B分別表示紅、綠、藍色道，f_R(x,y)表示坐標為(x,y)的像素點在R色道的顏色分量，f_G(x,y)表示坐標為(x,y)的像素點在G色道的顏色分量，f_B(x,y)表示坐標為(x,y)的像素點在B色道的顏色分量。

4.一種表情識別模型訓練方法，其特征在于，包括：

將初始數(shù)據(jù)集進行處理，以獲取人臉圖像集，所述初始數(shù)據(jù)集中的各個圖像中包含人臉部分；

將所述人臉圖像集中的各個人臉圖像中的各個像素點使用四元數(shù)進行表示，以確定出各個像素點的第一四元數(shù)，根據(jù)各個像素點的所述第一四元數(shù)使用設(shè)定計算公式計算得到矩陣元素，以得到所述人臉圖像集中的各個人臉圖像的人臉四元矩陣，各個人臉圖像的人臉四元矩陣形成訓練數(shù)據(jù)集，其中，四元數(shù)中的每一虛數(shù)的權(quán)重表示其中一顏色分量的值；

將所述訓練數(shù)據(jù)集輸入初始神經(jīng)網(wǎng)絡模型中進行訓練，以得到目標神經(jīng)網(wǎng)絡模型，所述目標神經(jīng)網(wǎng)絡模型為權(quán)利要求1-3任意一項所述的方法中的目標神經(jīng)網(wǎng)絡模型。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述將所述訓練數(shù)據(jù)集輸入初始神經(jīng)網(wǎng)絡模型中進行訓練，以得到目標神經(jīng)網(wǎng)絡模型的步驟，包括：

a.將所述訓練數(shù)據(jù)集輸入當前神經(jīng)網(wǎng)絡模型的前向傳播公式進行計算，得到輸出特征，其中，第一次訓練時，所述當前神經(jīng)網(wǎng)絡模型為所述初始神經(jīng)網(wǎng)絡模型，第N次訓練時，所述當前神經(jīng)網(wǎng)絡模型為最近一次更新后得到的當前神經(jīng)網(wǎng)絡模型，N為大于一的整數(shù)；

b.當所述輸出特征的誤差大于設(shè)定值時，根據(jù)反向傳播公式計算所述初始神經(jīng)網(wǎng)絡模型中的各個待確定參數(shù)的更新值；

c.通過所述待確定參數(shù)的更新值對所述初始神經(jīng)網(wǎng)絡模型進行更新，得到更新后的當前神經(jīng)網(wǎng)絡模型；

在當前的輸出特征的誤差小于或等于設(shè)定值時，將所述當前神經(jīng)網(wǎng)絡模型作為所述目標神經(jīng)網(wǎng)絡模型，在當前的輸出特征的誤差大于設(shè)定值時，執(zhí)行步驟a-c，直至當前的輸出特征的誤差小于或等于設(shè)定值。