[发明专利]图像识别方法、装置、计算机设备及存储介质

说明书

本发明公开了一种图像识别方法、装置、计算机设备及存储介质，属于人脸识别领域。本发明通过对获取的待检测图像进行人脸检测，得到人脸图像及人脸图像的定位数据，根据定位数据对人脸图像进行校正以获取用于图像识别的待预测图像，减低了计算量，采用人眼视线预测神经网络模型对待预测图像进行识别，从而确定人眼视线方向，识别速度快，耗时短，采用的人眼视线预测神经网络模型占用内存空间低，运算速度快。

技术领域

本发明涉及人脸识别领域，尤其涉及一种图像识别方法、装置、计算机设备及存储介质。

背景技术

情感分析伴随着网络社会媒体(如评论、论坛、博客和微博)的兴起而快速发展，通过对人的情感分析可以分析出其表达的观点、情感、评价、态度、情绪及倾向等。由于人在发生心理变化时，会引起一些生理参数(如：皮肤电、心跳、血压、呼吸脑电波、声音及视线等)的变化，因此，可通过检测这些变化来评估被分析者的情感变化。考虑到情感分析通常在非接触、便于采集及处理的场景下进行，因此随着人脸识别技术的不断发展采用图像识别技术对被评估者的情绪变化进行分析的技术越来越被大众所青睐。

现有的图像识别系统主要分为两类，一类是利用红外摄像头采集图像进行图像识别，例如：外星人电脑(alienware)的眼动追踪系统(Tobi Eye Tracking)；另一类是利用单目摄像头采集图像进行图像识别。关于采用红外摄像头采集图像进行图像识别的类技术其存在的缺陷主要有：设备配备成本昂贵，同时需要对每个使用人进行事先定标，这样没法用在银行网点等对非特定用户进行眼神分析的场景。对于利用单目摄像头采集图像进行图像识别方法为：检测人脸，估计人体头部转动角度，对人脸进行68个关键点识别从而得到眼睛部位图片，进行眼神方向识别。但是上述方法存在的缺陷是：图像识别模型构建过程复杂，在使用模型时，计算资源及耗时过高。对一张图片的眼神识别需要利用4个模型，模型所占存储空间大，手机端部署难度大；采用人脸关键点识别模型进行的很多计算都是与眼神判断无关的，且现有的方法计算过程耗时长，无法做到实时分析。

综上所述，现有的图像识别方法成本高、效率低、占用存储空间大，应用场景受限。

发明内容

针对现有图像识别方法效率低、占用存储空间大的问题，现提供一种旨在可提高识别效率，占用存储空间小的图像识别方法、装置、计算机设备及存储介质。

本发明提供了一种图像识别方法，包括：

获取待检测图像；

对所述待检测图像进行人脸检测，获取人脸图像及所述人脸图像的定位数据；

基于所述定位数据对所述人脸图像进行校正，获取待预测图像；

采用人眼视线预测神经网络模型对所述待预测图像进行识别，确定人眼视线方向。

优选的，所述对所述待检测图像进行人脸检测，获取人脸图像及所述人脸图像的定位数据包括：

采用多任务卷积神经网络对所述待检测图像进行人脸检测，获取人脸图像及所述人脸图像的定位数据。

优选的，所述定位数据包括：两个眼部椭圆形中心点坐标、鼻头坐标和嘴角两端的坐标。

优选的，所述基于所述定位数据对所述人脸图像进行校正，获取待预测图像包括：

将所述定位数据与所述标准坐标数据进行比对，根据比对结果对所述人脸图像进行相似变换，生成待预测图像。

优选的，所述人眼视线预测神经网络模型包括：可分离卷积模块、注意力机制模块和分类模块；

所述采用人眼视线预测神经网络模型对所述待预测图像进行识别，确定人眼视线方向包括：

通过所述可分离卷积模块对所述待预测图像进行第一面部特征提取；