一种人脸情绪识别方法技术

本申请提供了一种人脸情绪识别方法

【技术实现步骤摘要】
一种人脸情绪识别方法、装置、电子设备及存储介质


[0001]本申请涉及图像处理领域，具体而言，涉及一种人脸情绪识别方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]随着科技的发展，人脸图像识别开始出现，进一步的，人脸情绪识别也应运而生
。
[0003]然而，现有方式一般仅对单个人脸进行识别，而且无法识别出人脸所表现出的情绪的强度
。

技术实现思路

[0004]有鉴于此，本申请的目的在于提供一种人脸情绪识别方法
、
装置
、
电子设备及存储介质，能够对图像中的每个人脸均进行情绪识别以及情绪强度识别
。
[0005]第一方面，本申请实施例提供了一种人脸情绪识别方法，所述方法包括：
[0006]通过拍摄装置，获取待识别的目标图像；
[0007]使用预先训练好的人脸识别模型对所述目标图像进行识别，得到所述目标图像中全部人脸各自所处的目标区域，其中，所述人脸识别模型为深度学习模型；
[0008]对于所述目标图像中每一所述人脸各自所处的目标区域，使用预先训练好的情绪识别模型对该人脸所处的目标区域进行识别，得到该人脸所表现出的情绪以及该人脸对应的情绪指数，其中，所述情绪识别模型为深度学习模型，该人脸对应的情绪指数用于反映该人脸所表现出的情绪的强度
。
[0009]在一种可能的实施方式中，所述情绪识别模型，依次包括：输入层，卷积层，池化层，全连接层，输出层
。
[0010]在一种可能的实施方式中，所述池化层，用于：
[0011]对于自身接收到的第一矩阵中每一位置的数值，对该位置的数值进行归一化处理，得到该位置对应的归一化值；
[0012]将该位置的数值替换为该位置对应的归一化值，得到归一化矩阵；
[0013]对所述归一化矩阵进行卷积运算，得到第二矩阵；
[0014]将所述归一化矩阵与所述第二矩阵的转置矩阵进行乘积，得到目标矩阵，并将所述目标矩阵传输给所述池化层的下一层，以使所述池化层的下一层基于所述目标矩阵进行处理
。
[0015]在一种可能的实施方式中，在对于所述目标图像中每一所述人脸各自所处的目标区域，使用预先训练好的情绪识别模型对该人脸所处的目标区域进行识别，得到该人脸所表现出的情绪以及该人脸对应的情绪指数之后，所述方法还包括：
[0016]对于所述目标图像中每一所述人脸各自所处的目标区域，在该人脸所处的目标区域覆盖上与该人脸所表现出的情绪对应的预设人脸表情图像，得到覆盖图像，其中，所述预设人脸表情图像与该人脸的大小相匹配；
[0017]在显示屏上对所述覆盖图像进行实时显示
。
[0018]第二方面，本申请实施例还提供了一种人脸情绪识别装置，所述装置包括：
[0019]图像获取模块，用于通过拍摄装置，获取待识别的目标图像；
[0020]第一识别模块，用于使用预先训练好的人脸识别模型对所述目标图像进行识别，得到所述目标图像中全部人脸各自所处的目标区域，其中，所述人脸识别模型为深度学习模型；
[0021]第二识别模块，用于对于所述目标图像中每一所述人脸各自所处的目标区域，使用预先训练好的情绪识别模型对该人脸所处的目标区域进行识别，得到该人脸所表现出的情绪以及该人脸对应的情绪指数，其中，所述情绪识别模型为深度学习模型，该人脸对应的情绪指数用于反映该人脸所表现出的情绪的强度
。
[0022]在一种可能的实施方式中，所述情绪识别模型，依次包括：输入层，卷积层，池化层，全连接层，输出层
。
[0023]在一种可能的实施方式中，所述池化层，用于：
[0024]对于自身接收到的第一矩阵中每一位置的数值，对该位置的数值进行归一化处理，得到该位置对应的归一化值；
[0025]将该位置的数值替换为该位置对应的归一化值，得到归一化矩阵；
[0026]对所述归一化矩阵进行卷积运算，得到第二矩阵；
[0027]将所述归一化矩阵与所述第二矩阵的转置矩阵进行乘积，得到目标矩阵，并将所述目标矩阵传输给所述池化层的下一层，以使所述池化层的下一层基于所述目标矩阵进行处理
。
[0028]在一种可能的实施方式中，所述装置还包括：
[0029]覆盖模块，用于在所述第二识别模块对于所述目标图像中每一所述人脸各自所处的目标区域，使用预先训练好的情绪识别模型对该人脸所处的目标区域进行识别，得到该人脸所表现出的情绪以及该人脸对应的情绪指数之后，对于所述目标图像中每一所述人脸各自所处的目标区域，在该人脸所处的目标区域覆盖上与该人脸所表现出的情绪对应的预设人脸表情图像，得到覆盖图像，其中，所述预设人脸表情图像与该人脸的大小相匹配；
[0030]显示模块，用于在显示屏上对所述覆盖图像进行实时显示
。
[0031]第三方面，本申请实施例还提供了一种电子设备，包括：处理器
、
存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行第一方面任一项所述的人脸情绪识别方法的步骤
。
[0032]第四方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如第一方面任一项所述的人脸情绪识别方法的步骤
。
[0033]本申请实施例提供的一种人脸情绪识别方法
、
装置
、
电子设备及存储介质，能够对图像中的每个人脸均进行情绪识别以及情绪强度识别
。
附图说明
[0034]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附
图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图
。
[0035]图1示出了本申请实施例提供的一种人脸情绪识别方法的流程图；
[0036]图2示出了本申请实施例提供的另一种人脸情绪识别方法的流程图；
[0037]图3示出了本申请实施例提供的一种人脸情绪识别装置的结构示意图；
[0038]图4示出了本申请实施例提供的一种电子设备的结构示意图
。
具体实施方式
[0039]为使本申请实施例的目的
、
技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围
。
另外，应当理解，示意性的附图并未按实物比例绘制
。
本申请中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种人脸情绪识别方法，其特征在于，所述方法包括：通过拍摄装置，获取待识别的目标图像；使用预先训练好的人脸识别模型对所述目标图像进行识别，得到所述目标图像中全部人脸各自所处的目标区域，其中，所述人脸识别模型为深度学习模型；对于所述目标图像中每一所述人脸各自所处的目标区域，使用预先训练好的情绪识别模型对该人脸所处的目标区域进行识别，得到该人脸所表现出的情绪以及该人脸对应的情绪指数，其中，所述情绪识别模型为深度学习模型，该人脸对应的情绪指数用于反映该人脸所表现出的情绪的强度
。2.
根据权利要求1所述的人脸情绪识别方法，其特征在于，所述情绪识别模型，依次包括：输入层，卷积层，池化层，全连接层，输出层
。3.
根据权利要求2所述的人脸情绪识别方法，其特征在于，所述池化层，用于：对于自身接收到的第一矩阵中每一位置的数值，对该位置的数值进行归一化处理，得到该位置对应的归一化值；将该位置的数值替换为该位置对应的归一化值，得到归一化矩阵；对所述归一化矩阵进行卷积运算，得到第二矩阵；将所述归一化矩阵与所述第二矩阵的转置矩阵进行乘积，得到目标矩阵，并将所述目标矩阵传输给所述池化层的下一层，以使所述池化层的下一层基于所述目标矩阵进行处理
。4.
根据权利要求1所述的人脸情绪识别方法，其特征在于，在对于所述目标图像中每一所述人脸各自所处的目标区域，使用预先训练好的情绪识别模型对该人脸所处的目标区域进行识别，得到该人脸所表现出的情绪以及该人脸对应的情绪指数之后，所述方法还包括：对于所述目标图像中每一所述人脸各自所处的目标区域，在该人脸所处的目标区域覆盖上与该人脸所表现出的情绪对应的预设人脸表情图像，得到覆盖图像，其中，所述预设人脸表情图像与该人脸的大小相匹配；在显示屏上对所述覆盖图像进行实时显示
。5.
一种人脸情绪识别装置，其特征在于，所述装置包括：图像获取模块，用于通过拍摄装置，获取待识别的目标图像；第一识别模块，用于使用预先训练好的人脸识别模型对所述目标图像进行识别，得到所述目标图像中全部人脸各自所处的目标区域，其中，所述人脸识别模型为深度学习模型；第二识别模块，用于对于所述目标图像中每一所述...

【专利技术属性】
技术研发人员：康现昌，
申请(专利权)人：厚德明心北京科技有限公司，
类型：发明
国别省市：