[发明专利]基于多任务学习与深度学习的人脸情绪分析方法及系统

权利要求书

1.一种基于多任务学习与深度学习的人脸情绪分析方法，其特征在于，包括：

训练人脸分析模型步骤：利用卷积神经网络学习人脸库中预设的分析任务的卷积层，得到人脸分析模型；

人脸区域提取步骤：获取待分析人脸图像，利用人脸检测算法对所述待分析人脸图像进行分析，提取待分析人脸图像中人脸区域；

预测步骤：利用所述人脸分析模型对所述待分析人脸图像进行预测，得到所述待分析人脸图像中每个人脸区域对应的情绪信息；

所述训练人脸分析模型步骤中，所述分析任务包括人脸属性；在学习所述人脸属性的卷积层时，标记待学习人脸属性，根据所述待学习人脸属性在所述人脸区域上对应的人脸部位，捕捉不同人脸部位的特征值，学习得到第一卷积层；

所述训练人脸分析模型步骤中，所述分析任务包括人脸动作；在学习所述人脸动作的卷积层时，根据不同的人脸动作预设有不同的子动作卷积层，根据所述人脸部位在所述第一卷积层的输出层加入对应的子动作卷积层，学习得到第二卷积层；

所述训练人脸分析模型步骤中，所述分析任务包括情绪空间；在学习所述情绪空间的卷积层时，根据评价值和唤起度挑选第二卷积层，在挑选完的第二卷积层的输出层加入预设的子情绪卷积层，学习得到第三卷积层。

2.根据权利要求1所述基于多任务学习与深度学习的人脸情绪分析方法，其特征在于，

所述训练人脸分析模型步骤中，预设有情绪空间数值目标，通过学习所述第三卷积层和预设的全连接层，达到所述情绪空间数值目标，得到所述人脸分析模型。

3.一种基于多任务学习与深度学习的人脸情绪分析系统，其特征在于，适用于权利要求1所述基于多任务学习与深度学习的人脸情绪分析方法，包括：

训练人脸分析模块：利用卷积神经网络学习人脸库中预设的分析任务的卷积层，得到人脸分析模型；

人脸检测模块：用于获取待分析人脸图像；

人脸分析模块：用于利用人脸检测算法对所述待分析人脸图像进行分析，提取待分析人脸图像中人脸区域；

预测模块：用于利用所述人脸分析模型对所述待分析人脸图像进行预测，得到所述待分析人脸图像中每个人脸区域对应的情绪信息；

所述训练人脸分析模块包括人脸属性单元，所述分析任务包括人脸属性；所述人脸属性单元用于学习所述人脸属性的卷积层，包括标记待学习人脸属性，根据所述待学习人脸属性在所述人脸区域上对应的人脸部位，捕捉不同人脸部位的特征值，学习得到第一卷积层；

所述训练人脸分析模块包括人脸动作单元，所述分析任务包括人脸动作；所述人脸动作单元用于学习所述人脸动作的卷积层，包括根据不同的人脸动作预设有不同的子动作卷积层，根据所述人脸部位在所述第一卷积层的输出层加入对应的子动作卷积层，学习得到第二卷积层；

所述训练人脸分析模块包括情绪空间单元，所述分析任务包括情绪空间；所述训练人脸分析模块用于学习所述情绪空间的卷积层，包括根据评价值和唤起度挑选第二卷积层，在挑选完的第二卷积层的输出层加入预设的子情绪卷积层，学习得到第三卷积层。

4.根据权利要求3所述基于多任务学习与深度学习的人脸情绪分析系统，其特征在于，

所述训练人脸分析模块，预设有情绪空间数值目标，通过学习所述第三卷积层和预设的全连接层，达到所述情绪空间数值目标，得到所述人脸分析模型。