The embodiment of the invention provides an expression recognition method, which comprises: acquiring a dynamic image to detect the face region in the dynamic image; intercepting the face region as a first image group; performing optical flow processing on the first image group to obtain the optical flow image group of the face region as a second image group; The first image group and the second image group are input to the pre-trained two-stream convolution neural network for processing, and the expression recognition result is obtained. This scheme can take into account the expression changes in the dynamic images and improve the accuracy of expression recognition.
【技术实现步骤摘要】
一种表情识别方法及装置
本专利技术涉及图像处理
,特别是涉及一种表情识别方法及装置。
技术介绍
随着人工智能的发展,在人机交互、实时监控、自动驾驶以及社交网络等领域中,计算机越来越需要理解人类的内心情感。而表情是人类表达内心情感的最主要的方式之一,因此,计算机对表情的识别技术对于计算机理解人类的内心情感显得尤为重要。现有的表情识别方案通常包括:获取大量样本图像,利用样本图像对预设的神经网络进行迭代训练,利用训练完成的神经网络识别待识别图像中的表情。但是,在上述识别方案中,样本图像为单张静态图像,训练完成的神经网络也主要是针对静态图像进行表情识别。而在对连续的动态图像进行分析,比如对一段视频图像进行分析,或者对一张动图进行分析时,利用上述神经网络进行表情识别,并不能考虑到动态图像中的表情变化情况,进而造成表情识别不准确。
技术实现思路
本专利技术实施例的目的在于提供一种表情识别方法及装置,以提高表情识别的准确性。具体技术方案如下:本专利技术实施例提供了一种表情识别方法,所述方法包括:获取动态图像,检测出所述动态图像中的人脸区域;截取所述人脸区域作为第一图像组;对所述第一图像组进行光流处理,得到所述人脸区域的光流图像组,作为第二图像组;将所述第一图像组和第二图像组输入至预先训练得到的双流卷积神经网络中进行处理,得到表情识别结果。可选的,所述截取所述人脸区域作为第一图像组,包括:从所述动态图像中,截取出所述人脸区域;对所截取出的人脸区域进行归一化处理;将归一化处理后的人脸区域转化为灰度图像,得到第一图像组。可选的,所述将所述第一图像组和第二图像组输入至预先训练 ...
【技术保护点】
1.一种表情识别方法,其特征在于,所述方法包括:获取动态图像,检测出所述动态图像中的人脸区域;截取所述人脸区域作为第一图像组;对所述第一图像组进行光流处理,得到所述人脸区域的光流图像组,作为第二图像组;将所述第一图像组和第二图像组输入至预先训练得到的双流卷积神经网络中进行处理,得到表情识别结果。
【技术特征摘要】
1.一种表情识别方法,其特征在于,所述方法包括:获取动态图像,检测出所述动态图像中的人脸区域;截取所述人脸区域作为第一图像组;对所述第一图像组进行光流处理,得到所述人脸区域的光流图像组,作为第二图像组;将所述第一图像组和第二图像组输入至预先训练得到的双流卷积神经网络中进行处理,得到表情识别结果。2.根据权利要求1所述的方法,其特征在于,所述截取所述人脸区域作为第一图像组,包括:从所述动态图像中,截取出所述人脸区域;对所截取出的人脸区域进行归一化处理;将归一化处理后的人脸区域转化为灰度图像,得到第一图像组。3.根据权利要求2所述的方法,其特征在于,所述将所述第一图像组和第二图像组输入至预先训练得到的双流卷积神经网络中进行处理,得到表情识别结果,包括:将所述第一图像组输入至预先训练得到的双流卷积神经网络中的空间域卷积网络中,提取所述第一图像组的特征值;将所述第二图像组输入至预先训练得到的双流卷积神经网络中的时间域卷积网络中,提取所述第二图像组的特征值;将所述第一图像组的特征值和所述第二图像组的特征值进行加权融合,得到融合结果,对所述融合结果进行分类,得到表情识别结果。4.根据权利要求3所述的方法,其特征在于,所述将所述第一图像组输入至预先训练得到的双流卷积神经网络中的空间域卷积网络中,提取所述第一图像组的特征值,包括:将所述第一图像组输入至预先训练得到的双流卷积神经网络中的空间域卷积网络中,利用预设大小的卷积核进行卷积处理,对卷积处理的结果进行池化处理,得到所述第一图像组的特征值;所述将所述第二图像组输入至预先训练得到的双流卷积神经网络中的时间域卷积网络中,提取所述第二图像组的特征值,包括:将所述第二图像组输入至预先训练得到的双流卷积神经网络中的时间域卷积网络中,利用预设大小的卷积核进行卷积处理,对卷积处理的结果进行最大池化处理,得到所述第二图像组的特征值。5.根据权利要求1所述的方法,其特征在于,所述获取动态图像,包括:获取待处理视频;按照预设的间隔,从所述待处理视频抽取视频帧,作为动态图像。6.根据权利要求1所述的方...
【专利技术属性】
技术研发人员:黄海,祝轶哲,田耒,景晓军,
申请(专利权)人:北京邮电大学,
类型:发明
国别省市:北京,11
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。