[发明专利]基于人脸的性格预测方法、装置、电子设备

权利要求书

1.一种基于人脸的性格预测方法，其特征在于，所述方法包括：

将人脸图片输入预先训练的基于卷积神经网络的性格自评模型，通过所述性格自评模型抽取所述人脸图片的特征图，并根据所述特征图以及预设的特征图与性格维度的对应关系得到所述人脸图片对应的第一性格评判结果；

提取所述人脸图片的面部特征向量，根据所述面部特征向量以及预设的面部特征维度集合与性格维度的对应关系确定所述人脸图片对应的第二性格评判结果；

将第一性格评判结果及第二性格评判结果进行融合处理，得到性格预测结果。

2.根据权利要求1所述的方法，其特征在于，所述提取所述人脸图片的面部特征向量，包括：

将所述人脸图片输入预先训练的基于卷积神经网络的面部特征识别模型，得到所述人脸图片对应的面部特征向量。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述面部特征向量以及预设的面部特征维度集合与性格维度的对应关系确定所述人脸图片对应的第二性格评判结果，包括：

将所述面部特征向量输入预设的性格分类器中，得到所述人脸图片对应的第二性格评判结果，其中，所述第二性格评判结果用于指示所述人脸图片在预设的各个性格维度上的概率。

4.根据权利要求1或2所述的方法，其特征在于，所述根据所述面部特征向量以及预设的面部特征维度集合与性格维度的对应关系确定所述人脸图片对应的第二性格评判结果，包括：

根据预设的匹配规则，确定面部特征向量中各个维度的值对各个性格维度的影响分值；

融合面部特征向量中各个维度的值对各个性格维度的影响分值，以确定所述人脸图片对应的第二性格评判结果，其中，所述第二性格评判结果用于指示所述人脸图片在预设的各个性格维度上的分值。

5.根据权利要求1所述的方法，其特征在于，所述第一性格评判模型的训练方法包括：

获取多个试验者的人脸图片及其性格属性，并依据各个性格属性对相应的人脸图片进行标注，得到样本数据，其中，所述性格属性包括所述试验者在多个性格维度上的分值；

将所述样本数据作为训练集，输入第一卷积神经网络；

通过损失函数计算所述第一卷积神经网络的输出结果与预先标注的性格属性的差异值；

若所述差异值大于预设的期望值，则采用优化算法优化所述第一卷积神经网络的权重参数；

继续利用所述训练集训练优化后的第一卷积神经网络，直到通过损失函数计算得到的差异值收敛。

6.根据权利要求2所述的方法，其特征在于，所述面部特征识别模型的训练方法包括：

获取多个试验者的人脸图片和面部特征，并依据各个面部特征对相应的人脸图片进行标注，得到样本数据，其中，所述面部特征包括针对所述试验者在各个面部特征维度上的评价结果；

将所述样本数据作为训练集，输入第二卷积神经网络；

通过损失函数计算所述第二卷积神经网络的输出结果与预先标注的面部特征的差异值；

若所述差异值大于预设的期望值，则采用优化算法优化所述第二卷积神经网络的权重参数；

继续利用所述训练集训练优化后的第二卷积神经网络，直到通过损失函数计算得到的差异值收敛。

7.根据权利要求1所述的方法，其特征在于，所述将第一性格评判结果及第二性格评判结果进行融合处理，得到性格预测结果，包括：

将所述第一性格评判结果和所述第二性格评判结果进行加权平均，得到性格预测结果。

8.一种基于人脸的性格预测装置，其特征在于，所述装置包括：

第一性格评判模块，用于将人脸图片输入预先训练的基于卷积神经网络的性格自评模型，得到所述人脸图片对应的第一性格评判结果；

第二性格评判模块，用于提取所述人脸图片的面部特征向量，根据所述面部特征向量确定所述人脸图片对应的第二性格评判结果；

融合模块，用于将第一性格评判结果及第二性格评判结果进行融合处理，得到性格预测结果。