[发明专利]微表情分类模型生成、图像识别方法、装置、设备及介质

说明书

本发明公开了一微表情分类模型生成方法、图像识别方法、装置、设备及介质；通过将样本图像输入到预设的微表情识别模型中进行识别，得到样本表情信息；对样本表情信息进行特征转化，得到微表情向量；建立微表情向量与对应标注数据之间的映射关系，得到样本特征集；基于支持向量机对样本特征集进行SVM训练，得到微表情分类模型；通过将待识别图像输入到微表情识别模型中进行识别，得到待识别表情信息；对待识别表情信息进行特征转化，得到待识别表情向量，并输入到微表情分类模型中进行识别，得到待识别图像的预测心理词和对应的可信度分值；通过微表情分类模型实现对图像中人脸表情信息的进一步识别，从而提高了获取图像中人脸表情信息的准确性。

技术领域

本发明涉及智能决策领域，尤其涉及一种微表情分类模型生成方法、图像识别方法、装置、设备及介质。

背景技术

微表情是人们在尝试压抑自己内心的真实情绪与深层情感时产生的短暂的不自主的面部表情，是由情绪和没有思想控制的习惯触发的。心理学研究表明在人类日常生活中，通过语言来表达的信息只占7％，而近乎55％的信息表达来源于表情。由此可知，微表情所含有的信息量非常丰富，在诸多方面都有着许多潜在的用途。目前，获取人脸表情信息大部分都是采用简单的微表情识别模型对人脸面部表情进行识别，得到一些较为抽象的单一表情值，如“冷漠10％，喜悦20％等”，而无法更准确更直观的获取到能反映一个人的真实情感和意图的信息。

发明内容

本发明实施例提供一种微表情分类模型生成方法、装置、计算机设备及存储介质，以解决无法准确获取图像中人脸表情信息的问题。

本发明实施例提供一种图像识别方法、装置、计算机设备及存储介质，以解决无法准确识别图像中人脸表情信息的问题。

一种微表情分类模型生成方法，包括：

获取样本图像数据，所述样本图像数据包括样本图像和每一所述样本图像对应的标注数据，其中，所述标注数据为对每一所述样本图像中的人脸区域进行标注的心理词；

将每一所述样本图像输入到预设的微表情识别模型中进行识别，得到每一所述样本图像的样本表情信息。

对每一所述样本图像的所述样本表情信息进行特征转化，得到每一所述样本图像的微表情向量；

建立每一所述样本图像的所述微表情向量与对应的所述标注数据之间的映射关系，得到样本特征集；

基于支持向量机对所述样本特征集进行SVM训练，得到微表情分类模型。

一种图像识别方法，其特征在于，包括：

获取待识别图像；

将所述待识别图像输入到预设的微表情识别模型中进行识别，得到所述待识别图像的待识别表情信息；

对所述待识别图像的所述待识别表情信息进行特征转化，得到所述待识别图像的待识别表情向量；

将所述待识别表情向量输入到微表情分类模型中进行识别，得到所述待识别图像的预测心理词和每一所述预测心理词对应的可信度分值，其中，所述微表情分类模型是采用上述微表情分类模型生成方法得到的。

一种微表情分类模型生成装置，包括：

样本图像数据获取模块，用于获取样本图像数据，所述样本图像数据包括样本图像和每一所述样本图像对应的标注数据，其中，所述标注数据为对每一所述样本图像中的人脸区域进行标注的心理词；

第一识别模块，用于将每一所述样本图像输入到预设的微表情识别模型中进行识别，得到每一所述样本图像的样本表情信息。

第一特征转化模块，用于对每一所述样本图像的所述样本表情信息进行特征转化，得到每一所述样本图像的微表情向量；