[发明专利]一种服务的评价方法、装置、存储介质及设备

权利要求书

1.一种服务的评价方法，其特征在于，包括：

将微表情视频转换为微表情图像帧，得到各个所述微表情图像帧；所述微表情视频为预先采集用户微表情的视频；

对每个所述微表情图像帧进行处理，得到放大后的每个微表情图像帧；所述放大后的每个微表情图像帧包括微表情的五官坐标；

提取所述放大后的每个微表情图像帧的特征，得到各个特征值；所述特征值指示所述微表情的五官坐标；

对于每个所述特征值，计算所述特征值与预设标准阈值的偏移量，得到各个偏移量值；所述预设标准阈值为标准面容的五官坐标；所述偏移量值为所述微表情的五官坐标与所述标准面容的五官坐标之间的差值；

对于每个所述偏移量值，从微表情标准库中，获取与所述偏移量值对应的满意度值，得到各个所述满意度值；所述微表情标准库基于坐标偏移量、以及每个所述坐标偏移量对应的满意度值预先构建；

利用SVW算法对各个所述满意度值进行评价预估，得到评价结果。

2.根据权利要求1所述的方法，其特征在于，所述对每个所述微表情图像帧进行处理，得到放大后的每个微表情图像帧，包括：

将各个所述微表情图像帧依据面部图像的尺寸进行裁剪，得到裁剪后的各个微表情图像帧；

对于所述裁剪后的每个微表情图像帧，依据预设方法将裁剪后的微表情图像帧进行面部配准，得到各个第一微表情图像帧；所述第一微表情图像帧至少包括微表情的五官坐标；

从每个所述第一微表情图像帧中选取目标微表情图像帧，并对所述目标微表情图像帧的面部特征进行提取，得到目标微表情图像帧的面部特征；

提取预设标准面部的面部特征，得到标准面部特征，并将所述目标微表情图像帧的面部特征映射至所述标准面部特征；

利用LWM算法将所述目标微表情图像帧的面部特征，映射至每个所述第一微表情图像帧，得到映射后各个的微表情图像帧；

利用时域插值模型算法将所述映射后的各个微表情图像帧进行连续，得到微表情图像帧序列；

利用欧拉视频放大算法将所述微表情图像帧序列进行放大，得到所述放大后的每个微表情图像帧。

3.根据权利要求1所述的方法，其特征在于，基于坐标偏移量、以及每个所述坐标偏移量对应的满意度值预先构建的过程，包括：

预先获取各个样本面容、每个样本面容的五官坐标；

获取标准面容、标准面容的五官坐标；

对于每个所述样本面容，计算所述样本面容的五官坐标与所述标准面容的五官坐标的偏移量，得到各个坐标偏移量；所述坐标偏移量为：所述样本面容的五官坐标与所述标准面容的五官坐标之间的差值；

对于各个所述坐标偏移量，生成与所述坐标偏移量对应的满意度值，得到各个满意度值；

基于所述各个坐标偏移量、各个满意度值，构建所述微表情标准库。

4.根据权利要求1所述的方法，其特征在于，预先采集用户的微表情得到微表情视频的过程，包括：

控制采集设备采集用户的微表情，得到所述微表情视频，并将所述微表情视频存储在预先构建的存储介质。

5.一种服务的评价装置，其特征在于，包括：

转换单元，用于将微表情视频转换为微表情图像帧，得到各个所述微表情图像帧；所述微表情视频为预先采集用户微表情的视频；

处理单元，用于对每个所述微表情图像帧进行处理，得到放大后的每个微表情图像帧；所述放大后的每个微表情图像帧包括微表情的五官坐标；

提取单元，用于提取所述放大后的每个微表情图像帧的特征，得到各个特征值；所述特征值指示所述微表情的五官坐标；

计算单元，用于对于每个所述特征值，计算所述特征值与预设标准阈值的偏移量，得到各个偏移量值；所述预设标准阈值为标准面容的五官坐标；所述偏移量值为所述微表情的五官坐标与所述标准面容的五官坐标之间的差值；

获取单元，用于对于每个所述偏移量值，从微表情标准库中，获取与所述偏移量值对应的满意度值，得到各个所述满意度值；所述微表情标准库基于坐标偏移量、以及每个所述坐标偏移量对应的满意度值预先构建；

评估单元，用于利用SVW算法对各个所述满意度值进行评价预估，得到评价结果。