[發明專利]一種人臉表情識別方法、裝置及存儲介質

在審

• 申請號: 202010932427.0
• 申請日: 2020-09-08
• 公開（公告）號: CN112232116A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 黃建新;丁永波;劉超
• 申請（專利權）人: 深圳微步信息股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市徽正知識產權代理有限公司 44405
• 代理人: 盧杏艷

本發明公開了一種人臉表情識別方法、裝置及存儲介質，方法包括：構建并訓練用于表情識別的卷積神經網絡，其中，所述卷積神經網絡增加了預設網絡深度；獲取待識別圖像，對所述待識別圖像進行人臉檢測獲得人臉檢測圖像；對所述人臉檢測圖像進行預處理后輸入至所述用于表情識別的卷積神經網絡進行表情識別處理，輸出所述人臉檢測圖像中的表情類別。本發明實施例通過采用加深的卷積神經網絡對目標人臉進行面部表情識別，增加了非線性表達，提高模型表達能力，從而實現更加準確的面部表情識別。

技術領域

本發明涉及表情識別技術領域，尤其涉及一種人臉表情識別方法、裝置及存儲介質。

背景技術

人臉表情識別技術是指從給定的人臉表情圖像中提取表情特征，并將其歸于某類特定的表情分類。人臉表情識別有種廣泛的應用價值，快速準確的人臉表情識別有助于分析被識別對象的情緒，有助于增強人機交互領域之間的情緒反饋等。現有人臉表情識別方法主要為基于隨機森林算法、表情特征降維法等，由于大數據時代下數據量龐大，需要識別的表情類別較多規律較復雜，是的人臉表情的識別運算過程復雜、識別準確率底下。

因此，現有技術還有待于改進和發展。

發明內容

鑒于上述現有技術的不足，本發明的目的在于提供一種人臉表情識別方法、裝置及存儲介質，旨在解決現有技術中人臉表情識別效率以及準確率較低的問題。

本發明的技術方案如下：

一種人臉表情識別方法,其包括如下步驟：

構建并訓練用于表情識別的卷積神經網絡，其中，所述卷積神經網絡增加了預設網絡深度；

獲取待識別圖像，對所述待識別圖像進行人臉檢測獲得人臉檢測圖像；

對所述人臉檢測圖像進行預處理后輸入至所述用于表情識別的卷積神經網絡進行表情識別處理，輸出所述人臉檢測圖像中的表情類別。

所述的人臉表情識別方中，所述用于表情識別的卷積神經網絡在輸入層之后新加入一個卷積層，新加入的卷積層的卷積核為1*1。

所述的人臉表情識別方中，所述構建并訓練用于表情識別的卷積神經網絡，包括：

獲取已知表情類別的訓練樣本，其中所述表情類別包括開心、憤怒、恐懼、驚訝、厭惡、悲傷以及中立；

構造所述用于表情識別的卷積神經網絡，并將所述已知表情類別的訓練樣本輸入至所述卷積神經網絡中；

通過預設損失函數對所述卷積神經網絡的輸出值進行誤差評價，根據誤差結果反向傳播調節所述卷積神經網絡的權重參數，直到所述卷積神經網絡的輸出值達到期望值，得到訓練完成后的用于表情識別的卷積神經網絡。

所述的人臉表情識別方中，所述訓練樣本采用FER-2013數據集。

所述的人臉表情識別方中，所述獲取待識別圖像，對所述待識別圖像進行人臉檢測獲得人臉檢測圖像，包括：

獲取待識別圖像，將所述待識別圖像輸入至預先訓練的MobileNet級聯神經網絡模型中，其中所述MobileNet級聯神經網絡模型的卷積層為Depthwise SeparableConvolution；

通過所述預先訓練的MobileNet級聯神經網絡模型中的第一神經網絡對所述待識別圖像中的人臉位置進行定位，根據定位結果對所述待識別圖像進行裁剪獲得人臉區域圖像；

通過所述預先訓練的MobileNet級聯神經網絡模型中的第二神經網絡對所述人臉區域圖像中的人臉關鍵點進行定位，輸出人臉檢測圖像。

所述的人臉表情識別方中，所述對所述人臉檢測圖像進行預處理，包括：

預先定義標準人臉的關鍵點位置和光照條件；