The invention is applicable to the field of facial expression recognition technology, providing a face expression recognition method and device, including: obtaining an image to be treated, extracting a face image from the image to be processed, classifying the face image by depth learning, and obtaining the facial expression label of the face image, among which, The facial expression label indicates the facial expression of the face, verifying the face image and obtaining the result of the face verification, in which the face verification results indicate the information of the user belonging to the face, and display the facial expression label and the face verification result. The invention can solve the problem of low accuracy of expression recognition in the existing technology, and lack of expression, and can not get the same expression of the same user.
【技术实现步骤摘要】
人脸表情识别方法及装置
本专利技术属于人脸表情识别
,尤其涉及人脸表情识别方法及装置。
技术介绍
人脸表情识别是指从给定的图像中分析检测出人脸的表情状态,从而确定出被识别对象的心理情绪,例如,自然、高兴、生气、吃惊等。人脸表情识别是一个重要的领域,其有助于人物心情分析,人物性格分析,抑郁症检测等众多领域的发展。因此解决人脸表情识别人体具有十分重要的价值。然而,现有的人脸表情识别对表情特征的鲁棒性较差,容易受到身份信息等噪声的干扰,导致表情识别的准确率较低。同时目前的表情识别算法通常只能进行目标表情识别,表情缺乏关联,无法获知同一用户的不同表情。故,有必要提出一种新的技术方案,以解决上述技术问题。
技术实现思路
有鉴于此,本专利技术提供了人脸表情识别方法及装置,以解决现有技术中表情识别的准确率较低,且表情缺乏关联,无法获知同一用户的不同表情的问题。本专利技术的第一方面提供了一种人脸表情识别方法,所述人脸表情识别方法包括:获取待处理图像;从所述待处理图像中提取人脸图像;基于深度学习对所述人脸图像进行表情分类,获取所述人脸图像的人脸表情标签,其中,所述人脸表情标签指示所述人脸的表情;对所述人脸图像进行人脸验证,获取人脸验证结果,其中,所述人脸验证结果指示所述人脸所属的用户的信息;显示所述人脸表情标签和所述人脸验证结果。本专利技术的第二方面提供了一种人脸表情识别装置,所述人脸表情识别装置包括:图像获取模块,用于获取待处理图像;人脸提取模块,用于从所述待处理图像中提取人脸图像;表情分类模块,用于基于深度学习对所述人脸图像进行表情分类,获取所述人脸图像的人脸表情标签 ...
【技术保护点】
一种人脸表情识别方法,其特征在于,所述人脸表情识别方法包括:获取待处理图像;从所述待处理图像中提取人脸图像;基于深度学习对所述人脸图像进行表情分类,获取所述人脸图像的人脸表情标签,其中,所述人脸表情标签指示所述人脸的表情;对所述人脸图像进行人脸验证,获取人脸验证结果,其中,所述人脸验证结果指示所述人脸所属的用户的信息;显示所述人脸表情标签和所述人脸验证结果。
【技术特征摘要】
1.一种人脸表情识别方法,其特征在于,所述人脸表情识别方法包括:获取待处理图像;从所述待处理图像中提取人脸图像;基于深度学习对所述人脸图像进行表情分类,获取所述人脸图像的人脸表情标签,其中,所述人脸表情标签指示所述人脸的表情;对所述人脸图像进行人脸验证,获取人脸验证结果,其中,所述人脸验证结果指示所述人脸所属的用户的信息;显示所述人脸表情标签和所述人脸验证结果。2.如权利要求1所述的人脸表情识别方法,其特征在于,所述基于深度学习对所述人脸图像进行表情分类,获取所述人脸图像的人脸表情标签包括:将所述人脸图像的大小调整至第一预设大小;从调整后的所述人脸图像中的N个预设位置处分别分割出一个大小为第二预设大小的图像,其中,N为大于零的整数;将分割出的N个图像输入至卷积神经网络CNN表情分类模型中进行预测,获取所述人脸图像的人脸表情标签。3.如权利要求2所述的人脸表情识别方法,其特征在于,所述将分割出的N个图像输入至卷积神经网络CNN表情分类模型中进行预测,获取所述人脸图像的人脸表情标签包括:将分割出的N个图像输入至CNN表情分类模型中进行预测,获取多种人脸表情在所述N个图像中每个图像的预测概率;根据所述多种人脸表情在所述N个图像中每个图像的预测概率,计算所述多种人脸表情中每种人脸表情在所述N个图像中的预测概率的均值;将所述多种人脸表情中预测概率的均值最大的人脸表情作为所述人脸图像的人脸表情标签。4.如权利要求1至3任一项所述的人脸表情识别方法,其特征在于,所述对所述人脸图像进行人脸验证,获取人脸验证结果包括:将所述人脸图像的大小调整至第三预设大小;将调整后的所述人脸图像分割成多个图像;将所述多个图像输入至人脸验证模型,获取所述人脸在人脸表情数据库中每个用户的分类概率;若所述分类概率中的最大值大于预设阈值,则确定所述人脸所属的用户为所述分类概率中的最大值对应的用户。5.如权利要求4所述的人脸表情识别方法,其特征在于,所述人脸表情识别方法还包括:若所述分类概率中的最大值小于或等于预设阈值,则确定所述人脸表情数据库中不存在所述人脸所属的用户;将所述人脸表情标签和所述人脸所属的用户的信息添加至所述人脸表情数据库。6.一种人脸表情识别装置,其特征在于,所述人脸表情识别装置包括:图像获取模块,用于获取待处理图像;人脸提取模块,用于从所述待处理图像中提取人脸图像;表情分类模块,用于...
【专利技术属性】
技术研发人员:吴世豪,胡希平,程俊,张星明,
申请(专利权)人:中国科学院深圳先进技术研究院,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。