[發明專利]情緒識別方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202110017082.0
• 申請日: 2021-01-07
• 公開（公告）號: CN112686195A
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 問倩;丘延君;徐孟君
• 申請（專利權）人: 風變科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 姚姝婭

1.一種情緒識別方法，其特征在于，所述方法包括：

獲取待識別面部圖片；

通過預先訓練的用于情緒識別的深度學習模型對所述待識別面部圖片進行情緒分類，得到預設類型情緒的概率；所述預設類型的情緒包括第一類型情緒和第二類型情緒；

當所述第一類型情緒的概率大于第一閾值時，對所述待識別面部圖片進行識別得到局部特征值；

獲取局部特征判斷規則，并根據所述局部特征判斷規則對所述局部特征值進行計算，得到局部動作概率；

根據所述第一類型情緒的概率、所述第二類型情緒的概率和所述局部動作概率，得到所述待識別面部圖片對應的情緒。

2.根據權利要求1所述的方法，其特征在于，所述通過預先訓練的用于情緒識別的深度學習模型對所述待識別面部圖片進行情緒分類，得到預設類型情緒的概率，包括：

采用按照預設順序串聯的深度可分離卷積層依次提取特征圖；

當所述特征圖大小為預設大小時，采用在所述深度可分離卷積層之間增加的感受野擴大模塊進行特征圖提取；

通過全連接層對所得到的特征圖進行處理，得到預設類型情緒的概率。

3.根據權利要求1所述的方法，其特征在于，所述對所述待識別面部圖片進行識別得到局部特征值之后，還包括：

將所述局部特征值按照時間順序更新至局部特征動態序列中。

4.根據權利要求3所述的方法，其特征在于，所述獲取局部特征判斷規則，并根據所述局部特征判斷規則對所述局部特征值進行計算，得到局部動作概率，包括：

通過預設的規則從所述局部特征動態序列中提取第一類型情緒下眉毛角度；

確定當前表情下眉毛角度與所述第一類型情緒下眉毛角度的第一差值以及皺眉表情下眉毛角度與所述第一類型情緒下眉毛角度的第一最大差值；

根據所述第一差值與所述第一最大差值的比率得到皺眉概率。

5.根據權利要求3所述的方法，其特征在于，所述獲取局部特征判斷規則，并根據所述局部特征判斷規則對所述局部特征值進行計算，得到局部動作概率，包括：

通過預設的規則從所述局部特征動態序列中提取第一類型情緒下嘴角特征值；

確定當前表情下所述嘴角特征值與所述第一類型情緒下嘴角特征值的第二差值，嘴角上揚表情下嘴角特征值與所述第一類型情緒下嘴角特征值的第二最大差值以及嘴角下移表情下嘴角特征值與所述第一類型情緒下嘴角特征值的第三最大差值；

根據所述第二差值與所述第二最大差值的比率得到嘴角上揚概率，根據所述第二差值與所述第三最大差值的比率得到嘴角下移概率。

6.根據權利要求1所述的方法，其特征在于，所述方法還包括：

對所述待識別面部圖片進行識別，得到頭部動作的歐拉角；

當所述歐拉角的絕對值大于第二閾值時，對所述局部動作概率進行校正。

7.根據權利要求1所述的方法，其特征在于，所述方法還包括：

對所述待識別面部圖片進行識別，得到頭部動作的歐拉角；

將所述歐拉角按照時間順序更新至頭部動作動態序列中；

當所述頭部動作動態序列中歐拉角的極大值和極小值差的絕對值大于第四閾值時，對所述局部動作概率進行校正。

8.根據權利要求1至7任一項所述的方法，其特征在于，所述根據所述第一類型情緒的概率、所述第二類型情緒的概率和所述局部動作概率，得到所述待識別面部圖片對應的情緒，包括：

當所述局部動作概率大于第三閾值時，對所述第一類型情緒的概率和所述第二類型情緒的概率進行校正；

根據校正后的所述第一類型情緒的概率和所述第二類型情緒的概率，得到所述待識別面部圖片對應的情緒。