基于迁移学习的暗光源表情识别方法及装置制造方法及图纸

本申请实施例公开了基于迁移学习的暗光源表情识别方法及装置，用于根据平衡图像光源准确识别出人脸并进行表情识别，提高了人脸识别模型识别人脸的正确率。本申请实施例方法包括：服务器接收摄像头拍摄的图像信息，所述图像信息中包含有第一人脸数据；所述服务器将所述图像信息输入至第一人脸识别模型；所述服务器将所述第一人脸识别模型转换为第二人脸识别模型；所述服务器从所述第二人脸识别模型输出第二人脸数据；所述服务器将所述第二人脸数据输入至表情识别模型；所述服务器利用所述表情识别模型输出所述第二人脸数据所具有的表情。

Dim light source expression recognition method and device based on Transfer Learning

The application example discloses the expression recognition method and device of the dark source based on the migration learning. It can identify the face accurately according to the balanced image light source and carry on the expression recognition, and improve the face recognition model to recognize the correct rate of the face. The application embodiment method includes: the server receives the image information taken by the camera, and the image information contains the first face data. The server inputs the image information to the first face recognition model, and the server transfers the first face recognition model to the second face recognition model. The server outputs second face data from the second face recognition model; the server inputs the second face data to the expression recognition model; the server uses the expression recognition model to output the expression of the second face data.

【技术实现步骤摘要】
基于迁移学习的暗光源表情识别方法及装置
本申请涉及人脸识别技术，特别涉及人脸表情识别技术。
技术介绍
人脸表情是人类交流的一种有效表达方式，影视剧娱乐公司为了促进文化和自身公司的商业发展，提升公演和播放的影视剧作品的价值至关重要，其中，通过分析观众在观剧时的表情能够有助于公司自身制定更好的战略，并且，通过分析表演过程中观众在观看精彩或失误的片段时的表情，能够促进影视剧作品以及表演者演技的进一步提升。这就需要在环境昏暗、光照闪烁不定的剧场环境中，对观众的表情进行准确的识别。现有的计算机视觉领域，对图像中的人脸识别是在颜色空间下对图像中的人脸进行识别，最常用的颜色空间是三原色RGB(red/green/blue)空间，RGB空间也可称为RGB模型，其常用于颜色显示和图像处理，是三维坐标的模型形式，以三种基本色为基础，对图像进行不同程度的叠加，产生丰富而广泛的颜色。然而，RGB模型对光线的亮暗程度比较敏感，容易受到光线变化的影响，导致在RGB模型中通过人脸识别模型对人脸识别的正确率低下。
技术实现思路
本申请实施例提供了基于迁移学习的暗光源表情识别的方法以及装置，能够在对人脸识别模型进行了转换后，准确识别出人脸并进行表情识别，提高了人脸识别模型识别人脸的正确率。本申请实施例提供了一种基于迁移学习的暗光源表情识别的方法，包括：服务器接收摄像头拍摄的图像信息，所述图像信息中包含有第一人脸数据；所述服务器将所述图像信息输入至第一人脸识别模型；所述服务器将所述第一人脸识别模型转换为第二人脸识别模型；所述服务器从所述第二人脸识别模型输出第二人脸数据；所述服务器将所述第二人脸数据输入至表情识别模型；所述服务器利用所述表情识别模型输出所述第二人脸数据所具有的表情。可选地，所述服务器将所述第一人脸识别模型转换为第二人脸识别模型包括：所述服务器将所述第一人脸识别模型从三原色RGB空间转换到六角锥模型HSV空间，得到预处理人脸识别模型；所述服务器去除所述预处理人脸识别模型中的亮度V向量空间的特征，得到所述第二人脸识别模型。可选地，所述服务器将所述第一人脸识别模型从三原色RGB空间转换到六角锥模型HSV空间，得到预处理人脸识别模型包括：所述服务器在迁移网络下将所述第一人脸识别模型从三原色RGB空间转换到六角锥模型HSV空间，得到预处理人脸识别模型，所述迁移网络是将最大均值差异MMD作为目标函数进行训练得到。可选地，所述第一人脸识别模型为利用深度学习算法计算得到的模型。可选地，所述第一人脸识别模型为利用可变形部件模型DPM算法计算得到的模型。可选地，所述服务器利用所述表情识别模型输出所述第二人脸数据所具有的表情包括：所述服务器利用所述表情识别模型输出所述第二人脸数据为所述表情识别模型中已分类的每种表情类型的概率；所述服务器选择最大概率的表情类型作为所述第二人脸数据所具有的表情。本申请实施例提供了一种基于迁移学习的暗光源表情识别装置，包括：接收单元，用于接收摄像头拍摄的图像信息，所述图像信息中包含有第一人脸数据；第一输入单元，用于将所述图像信息输入至第一人脸识别模型；转换单元，用于将所述第一人脸识别模型转换为第二人脸识别模型；第二输入单元，用于将所述第二人脸数据输入至表情识别模型；输出单元，用于利用所述表情识别模型输出所述第二人脸数据所具有的表情。可选地，所述转换单元具有用于将所述第一人脸识别模型从三原色RGB空间转换到六角锥模型HSV空间，得到预处理人脸识别模型；去除所述预处理人脸识别模型中的亮度V向量空间的特征，得到所述第二人脸识别模型。可选地，所述转换单元具体用于在迁移网络下将所述第一人脸识别模型从三原色RGB空间转换到六角锥模型HSV空间，得到预处理人脸识别模型，所述迁移网络是将最大均值差异MMD作为目标函数进行训练得到。可选地，所述第一人脸识别模型为利用深度学习算法计算得到的模型。可选地，所述第一人脸识别模型为利用可变形部件模型DPM算法计算得到的模型。可选地，所述输出单元具体用于利用所述表情识别模型输出所述第二人脸数据为所述表情识别模型中已分类的每种表情类型的概率；选择最大概率的表情类型作为所述第二人脸数据所具有的表情。本申请实施例提供了一种基于迁移学习的暗光源表情识别装置，该基于迁移学习的暗光源表情识别装置具有实现上述表情识别的方法中基于迁移学习的暗光源表情识别装置的功能。该功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。本申请实施例提供了一种计算机存储介质，该计算机存储介质用于储存上述基于迁移学习的暗光源表情识别装置所用的计算机软件指令，其包括用于执行为基于迁移学习的暗光源表情识别装置所设计的程序。本申请实施例提供了一种计算机程序产品，该计算机程序产品包括计算机软件指令，该计算机软件指令可通过处理器进行加载来实现上述基于迁移学习的暗光源表情识别方法的流程。从以上技术方案可以看出，本申请实施例具有以下优点：由于服务器对人脸识别模型进行了转换，使服务器在昏暗和光线变换的环境下也能够使用转换后的人脸识别模型，根据平衡图像光源准确识别出人脸并进行表情识别，提高了人脸识别模型识别人脸的正确率。附图说明图1为本申请实施例中基于迁移学习的暗光源表情识别方法的一个实施例示意图；图2为本申请实施例中基于迁移学习的暗光源表情识别方法的另一个实施例示意图；图3为本申请实施例中基于迁移学习的暗光源表情识别装置的一个实施例示意图；图4为本申请实施例中基于迁移学习的暗光源表情识别装置的另一个实施例示意图。具体实施方式人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术。人脸识别系统(即人脸识别器)主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。输入人脸识别系统的一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图像或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。面部表情识别是指利用计算机对人脸的面部表情信息进行特征提取，按照人的认识和思维方式加以归类和理解，进而从人脸表情信息中去分析理解人的情绪，如高兴、悲伤、惊讶、恐惧、愤怒和厌恶等。表情识别系统(即表情识别器)一般分为四个处理过程，人脸图像的获取与预处理、人脸检测、表情特征提取和表情分类。特征提取是人脸表情识别中的核心步骤，是识别技术的关键，决定着最终的识别结果，直接影响识别率的高低。近年来在机器学习领域出现了以深度学习(DeepLearning)为突破点的纯数据驱动的特征学习算法，其本质上是对深层结构的模型进行训练的一类方法的统称。深层结构模型通过分层逐级地表示特征，它舍弃了依靠人工精心设计的显式特征提取方法，通过逐层地构建一个多层的深度神经网络(拥有数十隐层、数千万甚至过亿的网络参数)，让机器自主地从样本数据中学习到表征这些样本的更加本质的特征，从而使得学习到的特征更具有推广性和表征能力。本申请实施例提供了基于迁移学习的暗光源表情识别方法及装置，能够在对人脸识别模型进行了转换后，准确识别出人脸本文档来自技高网...

【技术保护点】
1.一种基于迁移学习的暗光源表情识别的方法，其特征在于，包括：服务器接收摄像头拍摄的图像信息，所述图像信息中包含有第一人脸数据；所述服务器将所述图像信息输入至第一人脸识别模型；所述服务器将所述第一人脸识别模型转换为第二人脸识别模型；所述服务器从所述第二人脸识别模型输出第二人脸数据；所述服务器将所述第二人脸数据输入至表情识别模型；所述服务器利用所述表情识别模型输出所述第二人脸数据所具有的表情。

【技术特征摘要】
1.一种基于迁移学习的暗光源表情识别的方法，其特征在于，包括：服务器接收摄像头拍摄的图像信息，所述图像信息中包含有第一人脸数据；所述服务器将所述图像信息输入至第一人脸识别模型；所述服务器将所述第一人脸识别模型转换为第二人脸识别模型；所述服务器从所述第二人脸识别模型输出第二人脸数据；所述服务器将所述第二人脸数据输入至表情识别模型；所述服务器利用所述表情识别模型输出所述第二人脸数据所具有的表情。2.根据权利要求1所述的方法，其特征在于，所述服务器将所述第一人脸识别模型转换为第二人脸识别模型包括：所述服务器将所述第一人脸识别模型从三原色RGB空间转换到六角锥模型HSV空间，得到预处理人脸识别模型；所述服务器去除所述预处理人脸识别模型中的亮度V向量空间的特征，得到所述第二人脸识别模型。3.根据权利要求2所述的方法，其特征在于，所述服务器将所述第一人脸识别模型从三原色RGB空间转换到六角锥模型HSV空间，得到预处理人脸识别模型包括：所述服务器在迁移网络下将所述第一人脸识别模型从三原色RGB空间转换到六角锥模型HSV空间，得到预处理人脸识别模型，所述迁移网络是将最大均值差异MMD作为目标函数进行训练得到。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述第一人脸识别模型为利用深度学习算法计算得到的模型。5.根据权利要求4所述的方法，其特征在于，所述第一人脸识别模型为利用可变形部件模型DPM算法计算得到的模型。6.根据权利要求1至3中任一项所述的方法，其特征在于，所述服务器利用所述表情识别模型输出所述第二人脸数据所具有的表情包括：所述服务器利用所述表情识别模型输出所述第二人脸数据为所述表情识别模型中已分类的每种表情类型的概率；所述服务器选择最大概率的表情类型作为所述第二人脸数据所具有的表情。7.根据权利要求6所述的方法，其特征在于，所述表情识别模型为输出为6...

【专利技术属性】
技术研发人员：罗韵，
申请(专利权)人：深圳极视角科技有限公司，深圳润艺文化发展有限公司，
类型：发明
国别省市：广东,44