[发明专利]一种训练识别面部表情的方法和装置

说明书

本申请提供了一种训练识别面部表情的方法和装置，所述方法包括：获取训练数据，其中，所述训练数据，是N类面部表情中一类面部表情的图像数据，N是大于1的整数；利用所述训练数据训练第一网络模型达到预设识别面部表情的精度，从而获得优化的第一网络模型；其中，所述第一网络模型，包括特定结构的VGG19网络模型及依次连接在所述特定结构的VGG19网络模型后的一层全连接层、一层Dropout层和一层Softmax层；所述特定结构的VGG19网络模型，包括VGG19网络模型的输入层、池化层和卷积层；所述Softmax层，包括激活函数为Softmax函数的N个节点的全连接层；在训练时所述第一网络模型根据预设参数开始训练。本申请在非可控条件下，受光照等复杂背景影响较小，鲁棒性强。

技术领域

本申请涉及图像处理领域，具体涉及训练识别面部表情的方法，以及训练识别面部表情的装置，以及识别面部表情的方法，以及识别面部表情的装置。

背景技术

人脸识别被广泛地应用于安防、经济、商贸和健康管理等领域，例如：匹配嫌疑犯的照片、根据目击者提供的信息进行人脸重构、嫌疑犯图像集；身份的匹配验证；公共场合的监控系统；自动门卫系统等。

一方面上述这些应用的背景可能是动态或静态，另一方面这些背景本身可能是非可控的，因此在这些应用背景下，可能会遇到各种各样的问题，相应的有不同的分析方式、解决方法和技术难度。随着人脸匹配识别的技术越来越成熟，研究者们也将人脸识别算法或方法研究投入实际应用，并且应用范围也越来越广泛。

课堂上听众的面部表情是听众的心理状态的一个表征，通过分析听众的面部表情数据可以用于评估和改善教学效果。随着信息化技术的不断发展，关于人体特征采集的各种技术应运而生，并取得了蓬勃的发展，例如人脸识别技术等已经取得了实质性的突破，可表情识别技术还不够成熟，尤其是面对课堂中学生的表情分析就更是凤毛麟角。表情特征分析系统可以广泛地应用于学生课堂，因为老师的精力有限，而且重心应在授课上，不能够充分注意到每个同学的课堂表现。但通过计算机记录并分析每一个学生的课堂表现并提出合理的教学改进可以弥补这一不足。

现有技术需要先对人脸进行特征点标注，再通过一定的计算进行特征提取并保存。当数据集容量很大时，数据标注就变成了一个大工程，消耗大量人力物力。同时，由于现有技术基于浅层神经网络或是基础的卷积神经网络，当环境复杂时，鲁棒性较低。

发明内容

本申请提供一种训练识别面部表情的方法，以及一种训练识别面部表情的装置，以及一种识别面部表情的方法，以及一种识别面部表情的装置；以解决现有技术中表情识别鲁棒性差的问题。

为了解决上述技术问题，本申请实施例提供了如下的技术方案：

本申请提供了一种训练识别面部表情的方法，包括：

获取训练数据，其中，所述训练数据，是N类面部表情中一类面部表情的图像数据，N是大于1的整数；

利用所述训练数据训练第一网络模型达到预设识别面部表情的精度，从而获得优化的第一网络模型；

其中，所述第一网络模型，包括特定结构的VGG19网络模型及依次连接在所述特定结构的VGG19网络模型后的一层全连接层、一层Dropout层和一层Softmax层；所述特定结构的VGG19网络模型，包括VGG19网络模型的输入层、池化层和卷积层；所述Softmax层，包括激活函数为Softmax函数的N个节点的全连接层；在训练时所述第一网络模型根据预设参数开始训练。

优选的，所述利用所述训练数据训练第一网络模型达到预设识别面部表情的精度，从而获得优化的第一网络模型，包括：

从所述训练数据中获取训练批的批训练数据；

将所述批训练数据输入所述第一网络模型中获取批训练结果；

判断所述批训练结果是否满足预设识别面部表情的精度；