[发明专利]面部红外热图的灌注优化及人工智能情绪监测方法

摘要

本申请提供一种面部红外热图的灌注优化及人工智能情绪监测方法，其中，基于监测目标个体面部红外视频，利用CNN‑BiGRU_Attention网络模型对每帧面部红外图像对应的血液灌注伪彩色图进行处理，进而挖掘蕴含在帧内空间特征向量矩阵；此外，利用BiGRU层确定面部红外视频帧间时间特征向量矩阵；最后基于每帧面部红外图像对应的空间特征向量矩阵和相邻帧间时间特征向量矩阵，确定监测目标个体针对每种预设情绪状态的概率特征信息。上述技术方案将CNN与BiGRU结合，BiGRU模块引入Attention机制，充分提取图像的空间特征和帧间时间特征，进而联合识别监测目标个体对于每种预设情绪状态的概率特征信息，可以在非干扰的测试环境中获取更加真实的情绪分布，有效提高了情绪识别的效率及准确度。

主权项

1.一种面部红外热图的灌注优化及人工智能情绪监测方法，其特征在于，包括：/n获取目标个体的面部红外视频；所述面部红外视频包括多帧面部红外视频图像；/n针对每帧面部红外视频图像，获取该帧面部红外视频图像中额头部位的多个特征点的温度信息，基于所述多个特征点的温度信息，确定该帧面部红外视频图像对应的额头平均温度信息，并基于该帧面部红外视频图像对应的额头平均温度信息，确定该帧面部红外视频图像对应的血液灌注值，基于确定的所述血液灌注值，确定该帧面部红外视频图像对应的血液灌注伪彩色图；/n利用CNN-BiGRU_Attention网络模型对每帧面部红外视频图像对应的血液灌注伪彩色图进行处理，分别得到每帧面部红外视频图像对应的空间特征向量矩阵；/n针对每帧面部红外视频图像，将该帧面部红外视频图像对应的血液灌注伪彩色图对应的数据进行数据清洗，并将清洗后的数据转化BiGRU层能够处理的矩阵向量；对转化得到的矩阵向量进行语义编码，并基于语义编码得到的数据，确定该帧面部红外视频图像对应的权重系数，并利用BiGRU层，基于确定权重系数，确定该帧面部红外视频图像对应的时间特征向量矩阵；/n将每帧面部红外视频图像对应的时间特征向量矩阵，和每帧面部红外视频图像对应的空间特征向量矩阵，利用全连接层进行拼接，并利用softmax函数对拼接得到的数据进行处理，确定目标个体针对每种预设情绪的概率特征信息；/n将所述概率特征信息发送给客户端和显示端进行显示。/n