面部表情图片处理方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及人工智能领域，提供了一种面部表情图片处理方法、装置、计算机设备和存储介质。方法包括：将获取的面部表情图片拆分成多个面部区域，分别提取各面部区域的特征向量，可以更准确、详细地描述面部区域特征，提高匹配的准确率，根据面部区域的区域标识，遍历与区域标识对应的标签数据库，查找标签数据库中与特征向量匹配的标签信息，将面部表情图片的各面部区域的标签信息进行组合，获取标签信息组合结果，根据标签信息组合结果确定面部表情图片对应的情绪特征。通过将面部表情图片拆分，确定拆分后各面部区域的标签，然后将标签进行组合的方式，可以精确分析到面部表情图片中的每个细节，提高了情绪分析的准确率。

【技术实现步骤摘要】
面部表情图片处理方法、装置、计算机设备和存储介质
本申请涉及图片处理
，特别是涉及一种面部表情图片处理方法、装置、计算机设备和存储介质。
技术介绍
随着信息技术的发展，对图片的识别处理技术也越来越成熟，例如图片分类，人脸识别等技术，这些技术的快速发展给我们的生活带来了许多便利。目前的人脸识别技术可以用于识别是否为活体，甚至可以识别身份、判断是否为本人。然而，随着不同的业务需要，对图片处理技术提出了更高的需求，例如在接收到客户申请的大额信用贷款时，通常需要工作人员的线下或远程面审，在对借款客户的面审过程中，主要依赖于工作人员的经验来判断，判断结果不够准确，存在一定的难度和风险，针对此情况，亟待实现一种能够准确进行情绪分析的方法。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够准确进行情绪分析的面部表情图片处理方法、装置、计算机设备和存储介质。一种面部表情图片处理方法，所述方法包括：将获取的面部表情图片拆分成多个面部区域，分别提取各面部区域的特征向量；根据面部区域的区域标识，遍历与区域标识对应的标签数据库，查找标签数据库中与特征向量匹配的标签信息；将面部表情图片的各面部区域的标签信息进行组合，获取标签信息组合结果；根据标签信息组合结果确定面部表情图片对应的情绪特征。在其中一个实施例中，将获取的面部表情图片拆分成多个面部区域，分别提取各面部区域的特征向量之前，还包括：获取表情图片的训练样本与测试样本；将训练样本输入预设神经网络模型，通过聚类分析对训练样本进行分类训练；根据训练得到的模型评估参数，对预设神经网络模型的结构进行调整，获得初始面部表情分析模型；将测试样本输入初始面部表情分析模型，根据样本测试结果对初始面部表情分析模型的参数进行调整，获得优化面部表情分析模型，优化面部表情分析模型用于根据输入的面部表情图片，确定面部表情图片对应的情绪特征。在其中一个实施例中，将训练样本输入预设神经网络模型，通过聚类分析对训练样本进行分类训练，包括：对训练样本按面部区域进行拆分，并提取各面部区域的样本特征向量；通过聚类分析对样本特征向量进行层级分类；将训练样本输入预设神经网络模型，通过聚类分析对训练样本进行分类训练之后，还包括：将样本特征向量设定样本标签信息，并按多层级分类的结果构建标签数据库；根据预设的训练样本表征的样本情绪特征，以及训练样本对应的样本标签信息组合，建立样本标签信息组合与样本情绪特征的关联关系；根据样本标签信息组合与样本情绪特征的关联关系，构建情绪特征库。在其中一个实施例中，根据标签信息组合结果确定面部表情图片对应的情绪特征，包括：遍历情绪特征库，确定情绪特征库中与标签信息组合结果匹配的情绪特征。在其中一个实施例中，将获取的面部表情图片拆分成多个面部区域，分别提取各面部区域的特征向量之前，还包括：获取待分析视频，根据设定的频率对播放的待分析视频进行取样，获取多张面部表情图片；根据标签信息组合结果确定面部表情图片对应的情绪特征之后，还包括：统计待分析视频中各面部表情图片对应的标签信息和情绪特征；根据面部区域中各标签信息所占比重，确定待分析视频中的主要情绪特征；根据情绪特征与主要情绪特征，确定待分析视频中的情绪变化。在其中一个实施例中，根据情绪特征与主要情绪特征，确定待分析视频中的情绪变化包括：当检测到情绪特征与预设正常区域的差别大于预设值时，确定情绪特征对应的面部表情图片，以及面部表情图片在待分析视频中的时间点；设定面部表情图片所在的时间点为中心，提取预设时间范围中的多帧图片；对多帧图片分别进行分析，确定情绪特征在预设时间范围的持续时间；根据主要情绪特征以及情绪特征的持续时间，确定待分析视频中的情绪变化。在其中一个实施例中，获取待分析视频，根据设定的频率对播放的待分析视频进行取样，获取多张面部表情图片之前，还包括：获取客户相关数据信息，根据客户相关数据信息对客户进行面审应急问答，并采集客户面审视频；设定一个问题或一类问题的问答时间为单位，将客户面审视频划分为多个待分析视频。一种面部表情图片处理装置，所述装置包括：面部区域划分与特征向量提取模块，用于将获取的面部表情图片拆分成多个面部区域，分别提取各面部区域的特征向量；标签信息查找模块，用于根据面部区域的区域标识，遍历与区域标识对应的标签数据库，查找标签数据库中与特征向量匹配的标签信息；标签信息组合结果确定模块，用于将面部表情图片的各面部区域的标签信息进行组合，获取标签信息组合结果；情绪特征确定模块，用于根据标签信息组合结果确定面部表情图片对应的情绪特征。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：将获取的面部表情图片拆分成多个面部区域，分别提取各面部区域的特征向量；根据面部区域的区域标识，遍历与区域标识对应的标签数据库，查找标签数据库中与特征向量匹配的标签信息；将面部表情图片的各面部区域的标签信息进行组合，获取标签信息组合结果；根据标签信息组合结果确定面部表情图片对应的情绪特征。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：将获取的面部表情图片拆分成多个面部区域，分别提取各面部区域的特征向量；根据面部区域的区域标识，遍历与区域标识对应的标签数据库，查找标签数据库中与特征向量匹配的标签信息；将面部表情图片的各面部区域的标签信息进行组合，获取标签信息组合结果；根据标签信息组合结果确定面部表情图片对应的情绪特征。上述面部表情图片处理方法、装置、计算机设备和存储介质，通过将获取到的待分析的面部表情图片按面部区域进行拆分，并提取各面部区域的特征向量，以特征向量的形式表征各面部区域的特征，可以更准确、详细地描述面部区域特征，提高匹配的准确率，通过面部区域的区域标识，遍历与该区域标识对应的标签数据库，查找与特征向量匹配的标签信息，根据标签信息的组合结果，确定面部表情图片对应的情绪特征。通过将面部表情图片拆分，确定拆分后各面部区域的标签，然后将标签进行组合的方式，可以精确分析到面部表情图片中的每个细节，提高了情绪分析的准确率。附图说明图1为本申请一个实施例中面部表情图片处理方法的应用场景图；图2为本申请一个实施例中面部表情图片处理方法的流程示意图；图3为本申请另一个实施例中面部表情图片处理方法的流程示意图；图4为本申请另一个实施例中面部表情图片处理方法的流程示意图；图5为本申请另一个实施例中面部表情图片处理方法的流程示意图；图6为本申请一个实施例中面部表情图片处理步骤S780的流程示意图；图7为本申请另一个实施例中面部表情图片处理方法的流程示意图；图8为本申请一个实施例中面部表情图片处理装置的结构框图；图9为本申请一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的面部表情图片处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。服务器104从终端102获取待分析的面部表情图片，对面部表情图片按面部区域进行拆分，并提取拆本文档来自技高网...

【技术保护点】
1.一种面部表情图片处理方法，所述方法包括：将获取的面部表情图片拆分成多个面部区域，分别提取各所述面部区域的特征向量；根据所述面部区域的区域标识，遍历与所述区域标识对应的标签数据库，查找所述标签数据库中与所述特征向量匹配的标签信息；将所述面部表情图片的各面部区域的标签信息进行组合，获取标签信息组合结果；根据所述标签信息组合结果确定所述面部表情图片对应的情绪特征。

【技术特征摘要】
1.一种面部表情图片处理方法，所述方法包括：将获取的面部表情图片拆分成多个面部区域，分别提取各所述面部区域的特征向量；根据所述面部区域的区域标识，遍历与所述区域标识对应的标签数据库，查找所述标签数据库中与所述特征向量匹配的标签信息；将所述面部表情图片的各面部区域的标签信息进行组合，获取标签信息组合结果；根据所述标签信息组合结果确定所述面部表情图片对应的情绪特征。2.根据权利要求1所述的面部表情图片处理方法，其特征在于，所述将获取的面部表情图片拆分成多个面部区域，分别提取各所述面部区域的特征向量之前，还包括：获取表情图片的训练样本与测试样本；将所述训练样本输入预设神经网络模型，通过聚类分析对所述训练样本进行分类训练；根据训练得到的模型评估参数，对所述预设神经网络模型的结构进行调整，获得初始面部表情分析模型；将所述测试样本输入所述初始面部表情分析模型，根据样本测试结果对所述初始面部表情分析模型的参数进行调整，获得优化面部表情分析模型，所述优化面部表情分析模型用于根据输入的所述面部表情图片，确定所述面部表情图片对应的情绪特征。3.根据权利要求2所述的面部表情图片处理方法，其特征在于，所述将所述训练样本输入预设神经网络模型，通过聚类分析对所述训练样本进行分类训练，包括：对所述训练样本按面部区域进行拆分，并提取各面部区域的样本特征向量；通过聚类分析对所述样本特征向量进行层级分类；所述将所述训练样本输入预设神经网络模型，通过聚类分析对所述训练样本进行分类训练之后，还包括：将所述样本特征向量设定样本标签信息，并按所述多层级分类的结果构建标签数据库；根据预设的训练样本表征的样本情绪特征，以及所述训练样本对应的样本标签信息组合，建立所述样本标签信息组合与所述样本情绪特征的关联关系；根据所述样本标签信息组合与所述样本情绪特征的关联关系，构建情绪特征库。4.根据权利要求3所述的面部表情图片处理方法，其特征在于，所述根据所述标签信息组合结果确定所述面部表情图片对应的情绪特征，包括：遍历所述情绪特征库，确定所述情绪特征库中与所述标签信息组合结果匹配的情绪特征。5.根据权利要求1所述的面部表情图片处理方法，其特征在于，所述将获取的面部表情图片拆分成多个面部区域，分别提取各所述面部区域的特征向量之前，还包括：获取待分析视频，根据设...

【专利技术属性】
技术研发人员：王盼，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44