[發明專利]情緒分類方法和情緒分類模型的訓練方法、裝置及設備

在審

• 申請號: 202111111427.5
• 申請日: 2021-09-22
• 公開（公告）號: CN113827240A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 馮博豪;劉雨鑫
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: A61B5/16
• 分類號: A61B5/16
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 呂朝蕙

本公開提供了一種情緒分類方法，涉及人工智能領域，具體涉及深度學習領域和圖像處理領域。情緒分類方法的具體實現方案為：確定視頻幀序列中第一目標對象的第一生理信號；基于第一生理信號，確定視頻幀序列中的第一目標視頻幀，其中，第一目標視頻幀中第一目標對象的第一生理信號的變化滿足預定變化條件；基于第一目標視頻幀，確定針對第一目標對象的第一情緒分類信息；基于第一情緒分類信息，確定第一目標對象的情緒類別。

技術領域

本公開涉及人工智能技術領域，具體涉及深度學習技術領域和圖像處理領域，尤其涉及情緒分類方法和情緒分類模型的訓練方法、裝置、電子設備和存儲介質。

背景技術

隨著人工智能的發展，通過對圖像或視頻處理來識別對象情緒的技術在多個領域得到發展。作為表情的一種，微表情由于表征速度快和不受意識控制而更能體現出對象的真實情緒。但微表情持續時間較短且較難觀察的特點，為微表情的識別帶來了較大的挑戰。相關技術中通常采用人工對圖像或視頻進行分析，這無疑存在需要耗費大量人力、時間成本高且準確率難以保證的問題。

發明內容

基于此，本公開提供了一種提高分類精度和分類成本的情緒分類方法、情緒分類模型的訓練方法方法、裝置、設備和介質。

根據本公開的一個方面，提供了一種情緒分類方法，包括：確定視頻幀序列中第一目標對象的第一生理信號；基于第一生理信號，確定視頻幀序列中的第一目標視頻幀，其中，第一目標視頻幀中第一目標對象的第一生理信號的變化滿足預定變化條件；基于第一目標視頻幀，確定針對第一目標對象的第一情緒分類信息；以及基于第一情緒分類信息，確定第一目標對象的情緒類別。

根據本公開的另一個方面，提供了一種情緒分類模型的訓練方法，其中，情緒分類模型包括信號提取網絡和第一情緒識別網絡；該訓練方法包括：采用信號提取網絡得到視頻幀序列樣本中第二目標對象的第二生理信號；其中，視頻幀序列樣本包括第二目標對象的實際情緒類別；基于第二生理信號，確定視頻幀序列中的第二目標視頻幀，其中，第二目標視頻幀中第二目標對象的第二生理信號的變化滿足預定變化條件；基于第二目標視頻幀，采用第一情緒識別網絡確定針對第二目標對象的第三情緒分類信息；基于第三情緒分類信息，確定第二目標對象的預測情緒類別；以及基于預測情緒類別和實際情緒類別，對情緒分類模型進行訓練。

根據本公開的另一方面，提供了一種情緒分類方法，包括：第一信號獲得模塊，用于確定視頻幀序列中第一目標對象的第一生理信號；第一目標幀確定模塊，用于基于第一生理信號，確定視頻幀序列中的第一目標視頻幀，其中，第一目標視頻幀中第一目標對象的第一生理信號的變化滿足預定變化條件；第一分類模塊，用于基于第一目標視頻幀，確定針對第一目標對象的第一情緒分類信息；以及類別確定模塊，用于基于第一情緒分類信息，確定第一目標對象的情緒類別。

根據本公開的另一方面，提供了一種情緒分類模型的訓練裝置，其中，情緒分類模型包括信號提取網絡和第一情緒識別網絡；該訓練裝置包括：第二信號獲得模塊，用于采用信號提取網絡得到視頻幀序列樣本中第二目標對象的第二生理信號；其中，視頻幀序列樣本包括第二目標對象的實際情緒類別；第二目標幀確定模塊，用于基于第二生理信號，確定視頻幀序列中的第二目標視頻幀，其中，第二目標視頻幀中第二目標對象的第二生理信號的變化滿足預定變化條件；第三分類模塊，用于基于第二目標視頻幀，采用第二情緒識別網絡確定針對第二目標對象的第三情緒分類信息；類別預測模塊，用于基于第三情緒分類信息，采用分類網絡確定第二目標對象的預測情緒類別；以及模型訓練模塊，用于基于預測情緒類別和實際情緒類別，對情緒分類模型進行訓練。

根據本公開的另一個方面，提供了一種電子設備，包括：至少一個處理器；以及與至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠執行本公開提供的情緒分類方法和/或情緒分類模型的訓練方法。

根據本公開的另一個方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其中，計算機指令用于使計算機執行本公開提供的情緒分類方法和/或情緒分類模型的訓練方法。