人脸情绪的识别方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种人脸情绪的识别方法、装置、计算机设备及存储介质，所述方法包括：对待识别的人脸图像进行预处理，得到待识别图像，并使用预设的稠密卷积神经网络模型的输入层对待识别图像进行通道数据提取，得到人脸图像数据，在每个卷积层中，将人脸图像数据和排列于该卷积层之前的所有卷积层的输出数据共同作为该卷积层的输入数据，对输入数据进行卷积计算和特征重标定处理，得到待识别图像的人脸特征，使用全连接层对人脸特征进行分类回归，得到待识别图像的情绪状态。本发明专利技术实施例通过使用预设的稠密卷积神经网络模型对待识别图像进行识别，能够提取到待识别图像中更深层次的特征信息进行识别，提高机器模型对人脸情绪的识别准确率。

Recognition Method, Device, Computer Equipment and Storage Medium of Face Emotion

The invention discloses a face emotion recognition method, device, computer equipment and storage medium. The method includes: pretreatment of the recognized face image, obtaining the image to be recognized, and extracting the channel data of the recognized image by using the input layer of the preset dense convolution neural network model, obtaining the image data of the face, and in each convolution layer, extracting the human face image. Face image data and output data of all convolution layers arranged before the convolution layer are used as input data of the convolution layer. The input data are convoluted and re-calibrated to obtain face features of the image to be recognized. The full connection layer is used to classify and regress face features, and the emotional state of the image to be recognized is obtained. The embodiment of the present invention can extract deeper feature information from the image to be recognized by using the preset dense convolution neural network model to recognize the recognized image, and improve the recognition accuracy of the machine model for facial emotion.

【技术实现步骤摘要】
人脸情绪的识别方法、装置、计算机设备及存储介质
本专利技术涉及生物识别
，尤其涉及一种人脸情绪的识别方法、装置、计算机设备及存储介质。
技术介绍
情绪识别是人工智能领域的关键技术，人脸情绪的识别对于人机交互与情感计算的研究有重要的意义，一般地，人脸的基本情绪可以分为7种，即开心、悲伤、恐惧、生气、惊讶、厌恶和平静，而面部表情是情绪的外显行为的一个重要方面，通过对人脸面部表情进行识别分析能够达到对人的情绪的判断。目前，传统的情绪识别方法一般采用LBP(LocalBinaryPattern，局部二值模式)方法对人脸图像进行特征提取之后，再使用SVM(SupportVectorMachine，支持向量机)分类器进行情绪分类，但是由于人脸表情的分类较多，以及规律较复杂，因此，现有的人脸表情识别方法的通用性不强，并且对人脸表情进行识别的准确率也不高。
技术实现思路
本专利技术实施例中提供一种人脸情绪的识别方法、装置、计算机设备及存储介质，以解决目前人物情绪识别的准确率低的问题。一种人脸情绪的识别方法，包括：获取待识别的人脸图像；按照预设的处理方式对所述待识别的人脸图像进行预处理，得到待识别图本文档来自技高网...

【技术保护点】
1.一种人脸情绪的识别方法，其特征在于，所述人脸情绪的识别方法包括：获取待识别的人脸图像；按照预设的处理方式对所述待识别的人脸图像进行预处理，得到待识别图像；将所述待识别图像输入预设的稠密卷积神经网络模型中，其中，所述预设的稠密卷积神经网络模型包括输入层、N个卷积层和全连接层，N为正整数；使用所述输入层对所述待识别图像进行通道数据提取，得到所述待识别图像的人脸图像数据；将所述人脸图像数据作为第一个所述卷积层的输入数据，在每个所述卷积层中，对所述输入数据进行卷积计算和特征重标定处理，得到输出数据，将所述人脸图像数据和前i‑1个所述卷积层的输出数据共同作为第i个所述卷积层的输入数据，并将第N个所述...

【技术特征摘要】
1.一种人脸情绪的识别方法，其特征在于，所述人脸情绪的识别方法包括：获取待识别的人脸图像；按照预设的处理方式对所述待识别的人脸图像进行预处理，得到待识别图像；将所述待识别图像输入预设的稠密卷积神经网络模型中，其中，所述预设的稠密卷积神经网络模型包括输入层、N个卷积层和全连接层，N为正整数；使用所述输入层对所述待识别图像进行通道数据提取，得到所述待识别图像的人脸图像数据；将所述人脸图像数据作为第一个所述卷积层的输入数据，在每个所述卷积层中，对所述输入数据进行卷积计算和特征重标定处理，得到输出数据，将所述人脸图像数据和前i-1个所述卷积层的输出数据共同作为第i个所述卷积层的输入数据，并将第N个所述卷积层的输出数据作为人脸特征，其中，i为大于1并且小于等于N的正整数；使用所述全连接层对所述人脸特征进行分类回归，得到所述待识别图像的识别结果，其中，所述识别结果包括所述待识别图像中人脸的情绪状态。2.如权利要求1所述的人脸情绪的识别方法，其特征在于，所述在每个所述卷积层中，对所述输入数据进行卷积计算和特征重标定处理，得到输出数据包括：在每个所述卷积层中，对所述输入数据进行卷积操作，得到卷积数据；对所述卷积数据进行挤压操作，得到图像压缩特征；对所述图像压缩特征进行激励操作，得到通道依赖系数；使用所述通道依赖系数和所述卷积数据进行求积运算处理，得到所述输出数据。3.如权利要求1所述的人脸情绪的识别方法，其特征在于，所述使用所述输入层对所述待识别图像进行通道数据提取，得到所述待识别图像的人脸图像数据包括：使用所述输入层提取所述待识别图像中的图像通道数据；对所述图像通道数据和预设的乘宽系数进行求积运算处理，得到所述人脸图像数据，其中，所述预设的乘宽系数为A，A∈(0,1)。4.如权利要求1所述的人脸情绪的识别方法，其特征在于，所述按照预设的处理方式对所述待识别的人脸图像进行预处理，得到待识别图像包括：对所述待识别的人脸图像进行灰度级变换处理，得到灰度图像；对所述灰度图像进行去噪处理，得到所述待识别图像。5.如权利要求1至4任一项所述的人脸情绪的识别方法，其特征在于，所述全连接层包括L个分类器，其中，L为正整数，所述使用所述全连接层对所述人脸特征进行分类回归，得到所述待识别图像的识别结果包括：使用所述全连接层的L个所述分类器对所述人脸特征进行回归计算，得到每个所述分类器的概率值，共得到所述待识别图像对应的L种情绪状态的概率值，其中，每个所述分类器对...

【专利技术属性】
技术研发人员：盛建达，
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