[發明專利]一種情感檢測方法和裝置

在審

• 申請號: 202211432967.8
• 申請日: 2022-11-16
• 公開（公告）號: CN115690888A
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 翁彥;曾青;李鐘旭
• 申請（專利權）人: 北京數智天安科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/44
• 代理公司: 北京智沃律師事務所 11620
• 代理人: 梁晨

本申請公開了一種情感檢測方法和裝置，該方法包括以下步驟：采集人臉的視頻流，從所述視頻流中獲取多幀人臉圖像；對所述多幀人臉圖像進行處理，定位面部的多個肌肉群的輪廓，并獲取面部肌肉群輪廓內的每個像素點的振幅和振動頻率在預設時間內的時序變化數據；根據所述時序變化數據，輸出所述人臉對應的多項情感以及各項情感的置信度。本申請根據面部肌肉群輪廓內的每個像素點的振幅和振動頻率確定人臉對應的情感，檢測準確性較高，且應用范圍廣，使用方便。

技術領域

本申請屬于人工智能技術領域，具體涉及一種情感檢測方法和裝置。

背景技術

目前，通過視頻流非接觸情感檢測的主要方法是表情識別，而人們在很多情況下擅長偽裝或抑制真實情感，因此，使用計算機視覺和模式識別技術進行情感檢測成為一種重要的技術手段。

2009年，Shreve等將人臉劃分為幾個主要區域，采用稠密光流法提取圖像特征值并使用中心插分法估計光流變化，通過與設定的閾值比較來檢測微表情；同年，Polikovsky等采用3D梯度方向直方圖的方法在自己的微表情數據庫中檢測出微表情起始階段、峰值階段和結束階段的持續時間；2011年，Sherve等人利用光流法在自己建立的表情和微表情混合數據庫上對兩種表情(宏表情和微表情)開展了檢測實驗，其中微表情的檢測準確率達到74％；隨后Wu等人采用提取圖像Gabor特征并由SVM分類訓練的方法捕捉微表情。2014年，Moilanen等提出利用LBP直方圖特征計算圖像序列的時空信息來檢測微表情；隨后Davison等用HPG特征代替LBP特征提取圖像序列特征后，設定了一個基線閾值通過對比來檢測微表情。然而，上述現有技術均無法精確地實現情感檢測。

申請內容

本申請實施例的目的是提供一種情感檢測方法和裝置，以解決現有技術無法精確地實現情感檢測的缺陷。

為了解決上述技術問題，本申請是這樣實現的：

第一方面，提供了一種情感檢測方法，包括以下步驟：

采集人臉的視頻流，從所述視頻流中獲取多幀人臉圖像；

對所述多幀人臉圖像進行處理，定位面部的多個肌肉群的輪廓，并獲取面部肌肉群輪廓內的每個像素點的振幅和振動頻率在預設時間內的時序變化數據；

根據所述時序變化數據，輸出所述人臉對應的多項情感以及各項情感的置信度。

第二方面，提供了一種情感檢測裝置，包括：

采集模塊，用于采集人臉的視頻流，從所述視頻流中獲取多幀人臉圖像；

處理模塊，用于對所述多幀人臉圖像進行處理，定位面部的多個肌肉群的輪廓，并獲取面部肌肉群輪廓內的每個像素點的振幅和振動頻率在預設時間內的時序變化數據；

輸出模塊，用于根據所述時序變化數據，輸出所述人臉對應的多項情感以及各項情感的置信度。

本申請實施例根據面部肌肉群輪廓內的每個像素點的振幅和振動頻率確定人臉對應的情感，檢測準確性較高，且應用范圍廣，使用方便。

附圖說明

圖1是本申請實施例提供的一種情感檢測方法流程圖；

圖2是本申請實施例提供的情感檢測方法的一種具體實現圖；

圖3是本申請實施例提供的一種情感檢測專用設備的具體實現圖；

圖4是本申請實施例提供的一種情感檢測裝置的結構示意圖。

具體實施方式