[发明专利]基于循环神经网络的人物性格分析方法、装置及存储介质

权利要求书

1.一种基于循环神经网络的人物性格分析方法，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的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序列的特征向量；

模型构建步骤：构建以Softmax分类器为输出层的循环神经网络模型；

模型训练步骤：定义Softmax损失函数，以各样本的性格标注及图像序列的特征向量为样本数据，对所述循环神经网络模型进行训练，输出各样本对应每种性格类型的概率值，每次训练更新该循环神经网络模型的训练参数，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：采集待分析对象的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之前还包括步骤：

将所述样本的视频转换为图像序列。

3.如权利要求1所述的人物性格分析方法，其特征在于，所述特征向量为HOG特征向量、LBP特征向量、通过卷积神经网络提取的特征向量中的一种或几种。

4.如权利要求1所述的人物性格分析方法，其特征在于，所述模型构建步骤包括：

根据所述样本的图像序列长度及每帧图像的特征向量维数设置循环神经网络层数及每层的神经元个数；

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。

5.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为所述循环神经网络模型的训练参数，Xj表示第j个样本，yj表示第j个样本对应的性格类型的预测概率。