[发明专利]人物性格分析方法、装置及存储介质

权利要求书

1.一种人物性格分析方法，其特征在于，该方法包括：

样本准备步骤：收集不同性格类型人物预定时长的面部视频作为样本，为每个样本标注一个性格类型；

样本特征提取步骤：提取每个样本的图像特征和音频特征，组合得到每个样本的视频特征；

网络构建步骤：构建以Softmax分类器为输出层的神经网络；

网络训练步骤：定义Softmax损失函数，以各样本的性格标注及视频特征为样本数据，对所述神经网络进行训练，输出各样本对应每种性格类型的概率值，每次训练更新该神经网络的训练参数，以使所述Softmax损失函数最小化的训练参数作为最终参数，得到人物性格分析模型；及

模型应用步骤：采集待分析对象预定时长的面部视频，利用所述人物性格分析模型分析该待分析对象的该面部视频，得到该待分析对象对应每种性格类型的概率值，取概率值最大的性格类型作为该待分析对象的性格类型。

2.如权利要求1所述的人物性格分析方法，其特征在于，所述样本特征提取步骤包括：

对每个样本进行解码和预处理，得到每个样本的音频部分和视频帧；

对每个样本的视频帧进行特征提取，得到每个样本的图像特征；及

对每个样本的音频部分进行特征提取，得到每个样本的音频特征。

3.如权利要求1所述的人物性格分析方法，其特征在于，所述网络构建步骤包括：

根据所述样本的序列长度及视频特征维度设置所述神经网络的层数及每层网络的神经元个数；及

根据所述性格类型的数量设置所述Softmax分类器的神经元个数。

4.如权利要求1所述的人物性格分析方法，其特征在于，所述Softmax损失函数公式如下：

L ( θ ) = - 1 n Σ j = 1 n ( y j l o g ( h θ ( X j ) ) + ( 1 - y j ) l o g ( 1 - h θ ( X j ) ) ) ]]>

其中，θ为所述神经网络的训练参数，Xj表示第j个样本，yj表示第j个样本对应的性格类型的概率。