[发明专利]基于复式优化数据集的表情识别和情绪跟踪方法

权利要求书

1.一种基于复式优化数据集的表情识别和情绪跟踪方法，其特征在于，具体包括以下步骤：

S1：对人脸表情数据按照功能分类划分并进行构建；

S2：利用置信学习算法复式分析辅助人工混合方式分别处理对应功能数据集，得到噪声率低的数据集；

S3：基于各数据集，通过CNN模型进行训练，得到面部表情成分实时识别结果；

S4：基于表情识别单帧结果，设计情绪跟踪算法，得到情绪跟踪结果。

2.根据权利要求1所述的基于复式优化数据集的表情识别和情绪跟踪方法，其特征在于，所述步骤S1的具体步骤如下：

S11：构建大样本训练功能人脸表情数据集；

S12：构建测试功能数据集，重分配各类样本并进行必要创建、预处理。

3.根据权利要求2所述的基于复式优化数据集的表情识别和情绪跟踪方法，其特征在于，所述步骤S11中获取万级大样本数据集及其含有人工信息的对照数据，筛选处理参照信息，通过半自动算法和进一步清理、全局重修订创建人工处理对照组；对照筛选处理参照信息，筛选信息字段标记集合为：

归一化各字段置信度，第i个样本第j个字段置信度记为c_ij，筛取数据：

初步人工预处理噪声样本集：

进一步随机检出丢弃x例i表情类超过阈值R的偏移样本：

其中N_i为i表情类样本量；半自动算法全局重修订创建人工处理对照组，重修订样本集合：

4.根据权利要求2所述的基于复式优化数据集的表情识别和情绪跟踪方法，其特征在于，所述步骤S12中所述的测试功能数据集之一从视频序列相关数据集中进行重分配，并与训练数据集统一格式预处理，同时测试功能数据集对特殊对象进行补充创建。

5.根据权利要求1所述的基于复式优化数据集的表情识别和情绪跟踪方法，其特征在于，所述步骤S2的具体步骤如下：

S21：分别建立置信学习数据处理对照组数据集，分析单式置信学习处理结果；

S22：融合人工与单式置信学习处理方式，检验训练效果后进行复式分析处理。

6.根据权利要求5所述的基于复式优化数据集的表情识别和情绪跟踪方法，其特征在于，所述步骤S21中所述的单式置信学习处理结果，用以初步分析评估数据集整体质量，并根据训练效果判断是否进行复式处理，作为对照组；假设第n次置信学习噪声标签检出率x_e，检出正确率x_ec，未检出率y_e，置信效果阈值R_n，则该次置信学习效果为：

若r₁(1+r₂)≤1，必有效果；反之，有效的概率为：

0≤x_e≤r₁1，0≤y_e≤r₂x_ex_ec，0≤r₂1

当E_n≥R_n，继续进行复式分析。

7.根据权利要求1所述的基于复式优化数据集的表情识别和情绪跟踪方法，其特征在于，所述步骤S3的具体步骤如下：

选取轻量模型框架，并在此基础上权衡模型性能进行必要人工剪枝进一步提高加速能力或网络扩充提高网络学习能力，基于各数据集做图像增强以提升鲁棒性，使用交叉熵损失函数进行表情识别模型训练，选取最佳模型经过正向传播，通过softmax函数得到面部表情成分实时识别输出。

8.根据权利要求1所述的基于复式优化数据集的表情识别和情绪跟踪方法，其特征在于，所述步骤S4的具体步骤如下：

S41：检验单帧特殊对象应用有效性，并根据人脸连续情绪表达的时间习惯，设置元时间窗口，作为瞬时情绪意图反馈依据；

S42：动态时间内实时跟踪情绪成分变化情况，作为心理分析依据。