[发明专利]一种人脸表情识别方法及人脸表情识别装置

说明书

技术领域

本发明属于信息处理领域，尤其涉及一种人脸表情识别方法及人脸表情识别装置。

背景技术

人脸的基本表情类别分为8种，即愤怒(anger)、藐视(contempt)、厌恶(disgust)、恐惧(fear)、开心(happy)、中立(neutral)、悲伤(sadness)和惊讶(surprise)。人脸表情识别就是研究如何使计算机从静态图像或者视频序列中获取人脸表情并加以辨别的技术。如果计算机可以准确地理解人脸表情并识别出人脸表情属于哪一个类别，那么，将在很大程度上改变人与计算机之间的关系，从而达到更好的人机交互效果。

目前的人脸表情识别方法主要为基于随机森林算法、表情特征降维法、或者基于SVM(Support Vector Machine)的表情分类方法等。由于表情的属性类别较多、规律较复杂，因此，现有的人脸表情识别方法中，每个识别模型都需要记忆较多的内容，从而导致人脸表情的识别过程运算复杂、人脸表情的识别准确率以及识别效率较为低下。

发明内容

本发明实施例的目的在于提供一种人脸表情识别方法及人脸表情识别装置，旨在解决现阶段的人脸表情识别方法中，每个识别模型都需要记忆较多的内容，从而导致人脸表情的识别过程运算复杂、识别准确率以及识别效率较为低下的问题。

第一方面，提供了一种人脸表情识别方法，包括：

构建并训练基于卷积神经网络的情绪识别模型；

将待识别的人脸图像输入所述情绪识别模型，以输出所述人脸图像的情绪类别，所述情绪类别包括正面情绪、负面情绪以及中立情绪中的一种；

获取与所述情绪类别对应的表情识别模型；

将所述人脸图像输入所述表情识别模型，以输出所述人脸图像的表情类别。

第二方面，提供了一种人脸表情识别装置，包括：

第一获取单元，用于构建并训练基于卷积神经网络的情绪识别模型；

情绪识别单元，用于将待识别的人脸图像输入所述情绪识别模型，以输出所述人脸图像的情绪类别，所述情绪类别包括正面情绪、负面情绪以及中立情绪中的一种；

第二获取单元，用于获取与所述情绪类别对应的表情识别模型；

表情识别单元，用于将所述人脸图像输入所述表情识别模型，以输出所述人脸图像的表情类别。

本发明实施例基于不同的识别模型来实现，在识别了人脸图像的情绪后，再利用对应于该情绪的表情识别模型来进一步识别人脸图像的表情类别。通过分层次的方式来对人脸的表情进行识别，根据不同的情绪来选择不同的表情识别模型，避免了一步到位地直接识别人脸表情，因此，减少了每个识别模型所需要记忆的内容，从而降低了整个表情识别过程的运算复杂度，提高了运算效率。相比于传统的人脸表情识别方法，在本发明实施例中，人脸表情的识别准确率以及识别效率更高。

附图说明

图1是本发明实施例提供的人脸表情识别方法的实现流程图；

图2是本发明另一实施例提供的人脸表情识别方法的实现流程图；

图3是本发明实施例提供的人脸表情识别方法S101的具体实现流程图；

图4是本发明又一实施例提供的CNN模型的网络结构图；

图5是本发明又一实施例提供的人脸表情识别方法S303的具体实现流程图；

图6是本发明实施例提供的人脸表情识别方法S102的具体实现流程图；

图7是本发明实施例提供的人脸图像测试集中的样例图；

图8是本发明实施例提供的人脸表情识别装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供的人脸表情识别方法和人脸表情识别装置可以应用于一切智能终端设备之中，包括智能手机、平板、掌上电脑(Personal Digital Assistant，PDA)、照相机以及各种人机交互设备，等等。

本发明实施例基于级联的识别模型来实现，待识别的人脸图像依次通过各层识别模型，每层识别模型均进行一次自动识别分类操作，分类后再自动进入对应该分类的下一层识别模型，最终，将最后一层识别模型的表情分类结果判断为图像中的人脸表情。

图1示出了本发明实施例提供的人脸表情识别方法的实现流程，详述如下：

在S101中，构建并训练基于卷积神经网络的情绪识别模型。