一种情绪检测方法与装置制造方法及图纸

本发明专利技术适用于计算机视觉技术领域，提供了情绪检测方法及装置，包括：通过多层卷积层池化的人脸检测模型从待检测图像识别出人脸图像，选取同一人脸图像中置信度较高的进行表情分析；再通过情绪检测模型从人脸图像中提取出情绪特征值，减小了人脸图像的数据量，使训练结果更快收敛。筛选出与目标情绪属性对应的人脸图像，提升了训练模型的准确率，进而提升了人脸图像和情绪检测的准确率。之后统计人脸图像的总数目以及目标情绪属性对应的人脸图像的数目，若在预设时间内目标情绪属性对应的人脸图像的数目占总人脸图像数目的比重大于或等于预设的第一阈值，能及时触发情绪异常警报，给监控区域的人群安全提供了较高的保障。

A method and device for emotion detection

The invention is applicable to the field of computer vision technology and provides an emotional detection method and device, including: recognizing the face image from the detected image through a multi-layer convolution layer pooling face detection model, selecting the same face image with high confidence for expression analysis, and then using the emotional detection model from the face image. Extract the emotional eigenvalue, reduce the amount of data of face image, and make the training result converge faster. The face images corresponding to the target emotional attributes are screened out, which improves the accuracy of the training model, and then improves the accuracy of face images and emotional detection. Then the total number of face images and the number of face images corresponding to the target emotional attributes are counted. If the number of face images corresponding to the target emotional attributes in the preset time is larger than or equal to the preset first threshold, the alarm of emotional abnormalities can be triggered in time and the crowd in the monitoring area can be secured. All of them provide higher protection.

【技术实现步骤摘要】
一种情绪检测方法与装置
本专利技术属于计算机视觉
，尤其涉及一种情绪检测方法与装置。
技术介绍
在全球化的今天，各种极端思想、极端组织和势力滋生，威胁社会稳定和治安的暴力恐怖袭击事件层出不穷。各行政、安保在加大保护力度的同时，也加大了监控力度，尤其是在人流量密集的重点区域，更需要密切关注，防止各种危险的发生。现有技术中通过检测人群密度或异常行为的人群检测技术来监测人群密度较大区域的人群状态，这种检测方法比较粗略，也较容易产生误报。
技术实现思路
有鉴于此，本专利技术实施例提供了一种情绪检测方法与装置，以解决现有技术中人群情绪检测方法不够精确的问题。本专利技术实施例的第一方面提供了一种情绪检测方法，包括：获取待检测图像中的人脸图像；根据所述待检测图像中的人脸图像与预设情绪检测模型筛选出目标情绪属性对应的人脸图像。本专利技术实施例的第二方面提供了一种情绪检测装置，包括：图像获取单元，用于获取待检测图像中的人脸图像；目标筛选单元，用于根据所述待检测图像中的人脸图像与预设情绪检测模型筛选出目标情绪属性对应的人脸图像。本专利技术实施例的第三方面提供了一种情绪检测装置，包括：处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储支持装置执行上述方法的计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。本专利技术实施例的第四方面提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。本专利技术实施例与现有技术相比存在的有益效果是：减小了待检测图像中人脸图像的特征图的尺寸，减少了要训练的参数和计算量，使训练结果更快收敛，进而提升了识别人脸情绪属性的准确率和效率，给监控区域的人群安全提供了较高的保障。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的情绪检测方法的流程图；图2是本专利技术另一实施例提供的情绪检测方法的流程图；图3是本专利技术实施例提供的情绪检测装置的示意图；图4是本专利技术另一实施例提供的情绪检测装置的示意图；图5是本专利技术实施例提供的情绪检测装置的示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。如图1所示，图1为本专利技术实施例提供的一种情绪检测方法的流程图。本实施中情绪检测方法的执行主体为具有情绪检测功能的装置，该装置可以为计算机、服务器、平板电脑等，此处不做限制。如图1所示的情绪检测方法可以包括以下步骤：S101：获取待检测图像中的人脸图像。在全球化的今天，各种极端思想、极端组织和势力滋生，威胁社会稳定和治安的暴力恐怖袭击事件层出不穷。人流量密集的重点区域需要密切关注，防止各种危险的发生；目前常见的人群检测技术有人群密度或异常行为检测，检测方法比较粗略，也较容易产生误报，而且多集中在后端服务器，硬件成本较高，尤其在较多场景下进行布控时，后端服务器负荷过大，实时性不好。在公共场合或者人口比较密集的场合中，划定监控区域，安装摄像头来获取该监控区域的人群、物体等场景信息，将获取到的图像或者视频信息通过网络等方式传输到上位机，或者上传至监控室中的监控设备中，由人为对获取到的监控信息进行监视或者处理等。可选的，在需监控的某一场景中布置多个摄像机同时获取数据。通过多方位、全角度的获取图像或者视频信息可以全面的获取到该场景中的人群的人脸图像。保证重点区域全视野，无死角进行监控预测，做出有针对性的防范；其可以较为显著地降低服务器的负荷和配置要求，项目实施成本可以明显降低。通过获取摄像机采集图像或者视频信息，再将该图像或者视频信息中的人脸图像检测出来并获取。可选的，可通过人脸识别技术识别待检测图像或者视频中的人脸图像。其中，通过人脸识别技术识别人脸图像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。用摄像机或摄像头获取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相应的分析或者处理。通过提取人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。可选的，人脸检测和人脸表情分析实现方法较为多样化，可以用传统的自适应增强算法Adaboost和哈尔算法Haar进行训练，也可以使用卷积神经网络(ConvolutionalNeuralNetwork，CNN)深度学习方法进行训练和预测，此处不做限定。可选的，也可以通过人为选定图像或者视频信息中的人脸图像。示例性的，人为手动地通过鼠标选择图像或者视频中包含的每个人脸图像。通过手动选择人脸图像可以较人性化的选择高质量的人脸图像，去除不必要的人脸图像冗余数据，进而可以精确的根据该人脸数据进行分析或者追踪。S102：根据所述待检测图像中的人脸图像与预设情绪检测模型筛选出目标情绪属性对应的人脸图像。情绪属性可以包括消极情绪属性或者积极情绪属性，其中，消极的情绪属性可以包括生气、厌恶、惊恐、愤怒、紧张、焦虑、以及忧愁等情绪属性；而积极情绪属性可以包括平静或者高兴等情绪属性。由于人类在各种生活状态或者外界环境的影响下，自身的情绪或者表情有很多类型，并且相同的类型也可能对应有不同的程度，因此，情绪属性可以由用户根据监控环境或者人为等因素自行设定，此处不做限定。由于人脸的表情是渐变的，且每个人对于不同的情绪可能有不同程度的表情反应，因此，一个人脸图像可以对应一种情绪属性，多个人脸图像也可以对应相同的一种情绪属性。在对公众场合的人群进行情绪监控时，可以确定目标情绪属性为可能为公众场合的人群带来危险的情绪，例如，生气、厌恶、惊恐、愤怒、紧张、焦虑、以及忧愁等情绪属性；也可以将情绪属性确定为安全稳定类型的情绪，例如平静或者高兴等情绪属性。因此，目标情绪属性可以为用户自行设定的情绪属性，目标情绪属性可以为消极情绪属性或者积极情绪属性，此处不做限定。通过预设的情绪检测模型可以将获取到的人脸图像进行检测，从而得出该人脸图像对应的情绪属性。情绪检测模型可以为通过识别人脸图像，获取人脸图像中的有用信息，将该信息与预设的情绪属性判断标准进行比对，进而确定该人脸图像的情绪属性。在确定该人脸图像的情绪属性之后，根据预设的目标情绪属性筛选出与目标情绪属性对应的人脸图像。进而便可以确定出该待检测图像中的人脸本文档来自技高网...

【技术保护点】
1.一种情绪检测方法，其特征在于，包括：获取待检测图像中的人脸图像；根据所述待检测图像中的人脸图像与预设情绪检测模型筛选出目标情绪属性对应的人脸图像。

【技术特征摘要】
1.一种情绪检测方法，其特征在于，包括：获取待检测图像中的人脸图像；根据所述待检测图像中的人脸图像与预设情绪检测模型筛选出目标情绪属性对应的人脸图像。2.如权利要求1所述的情绪检测方法，其特征在于，所述目标情绪属性对应消极情绪，还包括：统计所述人脸图像的第一数目以及所述目标情绪属性对应的人脸图像的第二数目；若在预设时间内所述第二数目与所述第一数目的比值大于或等于预设的第一阈值，则触发情绪异常警报。3.如权利要求1所述的情绪检测方法，其特征在于，所述根据所述待检测图像中的人脸图像与预设情绪检测模型筛选出目标情绪属性对应的人脸图像，包括：从所述待检测图像中的人脸图像中提取情绪特征值；根据所述情绪特征值以及所述预设情绪检测模型确定所述待检测图像中的人脸图像的所述情绪属性；其中，所述预设情绪检测模型包括所述情绪特征值与情绪属性的预设对应关系；筛选出与所述目标情绪属性对应的人脸图像。4.如权利要求1-3任一项所述的情绪检测方法，其特征在于，所述根据所述待检测图像中的人脸图像与预设情绪检测模型筛选出目标情绪属性对应的人脸图像之前，包括：获取人脸图像样本；根据预设特征提取模型从所述人脸图像样本中提取所述情绪特征值；根据所述情绪特征值确定所述情绪特征值对应的所述情绪属性；根据所述情绪特征值以及所述情绪特征值对应的所述情绪属性，建立所述预设情绪检测模型。5.如权利要求4所述的情绪检测方法，其特征在于，在所述根据预设特征提取模型从所述人脸图像样本中提取所述情绪特征值之前，包括：根据预设特征提取方法对所述人...

【专利技术属性】
技术研发人员：臧磊，刘军，
申请(专利权)人：深圳英飞拓科技股份有限公司，
类型：发明
国别省市：广东,44