[發明專利]面具臉特征識別模型訓練方法和裝置

在審

• 申請號: 202110272296.2
• 申請日: 2021-03-12
• 公開（公告）號: CN113076813A
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 許二赫
• 申請（專利權）人: 首都醫科大學宣武醫院;中國科學院計算技術研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京開陽星知識產權代理有限公司 11710
• 代理人: 張通

本申請提供一種面具臉特征識別模型訓練方法和裝置，方法包括：獲取樣本面部特征視頻以及對應的評價標簽；樣本面部特征視頻為用戶按照設定規則執行操作而形成的視頻；提取樣本面部特征視頻的圖像幀而形成幀序列；按照幀序列，對幀序列中的相鄰幀進行差分運算，得到差分圖像；提取各個差分圖像的特征矩陣；以及，按照幀序列組合各個差分圖像的特征矩陣，得到視頻特征矩陣；采用視頻特征矩陣和對應的評價標簽，訓練面具臉特征識別模型。相比于現有技術中直接采用利用人臉面部特征進行特征提取，確定面具臉譜特征的方法，本方案能夠簡化計算，實現面具臉特征識別模型的快速建立，并能夠達到較好地準確性。

技術領域

本申請涉及機器學習技術領域，具體涉及一種面具臉特征識別模型訓練方法和裝置。

背景技術

面具臉指的是表情呆板，即使有意地做表情但其因面部表情肌活動受抑制而表現出的面部狀態。雖然并不不能直接作為帕金森病的直接診斷依據，但是從大量的已有病例確定面具臉和帕金森等神經系統變性疾病具有較強的關聯關系，可以作為帕金森等疾病的初步篩選依據。

隨著智能手機等智能終端的普及，原本需要專業人進行操作的身體健康數據監測工作可以由智能終端對采集數據進行運算處理得到。例如，面具臉的識別可以由深度學習算法對智能終端拍攝用戶面部視頻得到；在此情況下，核心問題是用于對采集數據進行處理的算法的適用性和準確性。

目前，已有提及采用智能終端對用戶面部進行采集，得到樣本面部特征視頻，運用深度學習方法建立相關算法模型的過程，但是此類算法核心需要對視頻中的各個幀進行特征識別，算法的計算量很大；實際應用中，在拍攝特征視頻時的測試人員動作狀態對識別結果具有很大影響。

發明內容

基于對現有技術方案的分析發現的問題，本申請提供一種面具臉特征識別模型訓練方法和裝置，以及面具臉識別方法。

一方面，本申請提供一種面具臉特征識別模型訓練方法，包括：

獲取樣本面部特征視頻以及對應的評價標簽；所述樣本面部特征視頻為用戶按照設定規則執行操作而形成的視頻；

提取所述樣本面部特征視頻的圖像幀而形成幀序列；

按照所述幀序列，對所述幀序列中的相鄰幀進行差分運算，得到差分圖像；

提取各個所述差分圖像的特征矩陣；以及，按照所述幀序列組合各個所述差分圖像的特征矩陣，得到視頻特征矩陣；

采用所述視頻特征矩陣和對應的所述評價標簽，訓練所述面具臉特征識別模型。

可選地，提取所述樣本面部特征視頻的圖像幀而形成幀序列，包括：按照設定規則對所述樣本面部特征視頻進行劃分，得到樣本分視頻；

提取各個所述樣本分視頻的圖像幀而形成對應的幀序列；

按照所述幀序列組合各個所述差分圖像的特征矩陣，得到視頻特征矩陣，包括：按照所述樣本分視頻的排列順序和對應所述幀序列，組合各個所述差分圖像的特征矩陣，得到所述視頻特征矩陣。

可選地，所述設定規則包括至少兩個面部動作和各個所述面部動作的執行時間；

按照設定規則對所述樣本面部特征視頻進行劃分，得到樣本分視頻，包括：根據所述面部動作和對應的所述執行時間對所述視頻特征進行劃分，得到所述樣本分視頻。

可選地，所述面部動作包括閉上雙眼、放松并直視前方、微笑并露出牙齒。

可選地，提取所述樣本面部特征視頻的圖像幀而形成幀序列，包括：

提取所述圖像幀的面部圖像區域；

按照所述圖像幀的排序組合所述面部圖像區域，形成所述幀序列。

可選地，所述差分圖像的特征矩陣包括至少兩個特征參數；