[发明专利]基于深度学习的人脸情绪识别方法、装置、设备及介质

摘要

本发明公开了一种基于深度学习的人脸情绪识别方法、装置、设备及介质，所述方法包括：将待识别图像输入预设的深度学习模型中，使用深度学习模型中的输入层对待识别图像进行通道数据提取，得到待识别图像的人脸图像数据，并使用卷积层的第一卷积核对人脸图像数据进行深度卷积计算，得到特征数据，以及使用卷积层的第二卷积核对特征数据进行点卷积计算，得到待识别图像的人脸特征，最后，使用全连接层对人脸特征进行分类回归，得到待识别图像的的情绪状态。本发明实施例通过将传统的深度学习算法中的标准的卷积运算分解成一个深度卷积的计算和一个点卷积的计算，减少了深度学习模型的计算量，提高情绪识别模型的运算速率。

主权项

1.一种基于深度学习的人脸情绪识别方法，其特征在于，所述基于深度学习的人脸情绪识别方法包括：从预设的人脸图像数据集中获取人脸图像；按照预设的处理方式对所述人脸图像进行预处理，得到待识别图像；将所述待识别图像输入预设的深度学习模型中，其中，所述预设的深度学习模型包括输入层、卷积层和全连接层，所述卷积层包括第一卷积核和第二卷积核；使用所述输入层对所述待识别图像进行通道数据提取，得到所述待识别图像的人脸图像数据；将所述人脸图像数据传递给所述卷积层，并使用所述卷积层的所述第一卷积核对所述人脸图像数据进行深度卷积计算，得到特征数据，其中，所述第一卷积核的结构为H×W×1×M，H、W和M均为正整数；使用所述卷积层的所述第二卷积核对所述特征数据进行点卷积计算，得到所述待识别图像的人脸特征，其中，所述第二卷积核的结构为1×1×N×M，N为正整数；使用所述全连接层对所述人脸特征进行分类回归，得到所述待识别图像的识别结果，其中，所述识别结果包括所述待识别图像中人脸的情绪状态。