【技术实现步骤摘要】
人脸图像的表情识别方法、装置、电子设备及存储介质
本专利技术涉及图像处理
，尤其涉及一种人脸图像的表情识别方法、装置、电子设备及存储介质。
技术介绍
随着计算机技术、人工智能技术及其相关学科的迅猛发展，整个社会的自动化程度不断提高，人们对于人机交互的需求日益强烈，希望计算机和机器人能够像人类那样具有理解和表达情感的能力，使计算机和机器人能够更好地为人类服务。而人脸图像的表情识别是情感理解的基础，是计算机理解人类情感的前提，也是人们探索和理解人工智能的有效途径。现有技术对于人脸图像的表情识别仅基于五官的位置信息，对于丰富多样的表情，无法进行准确识别。
技术实现思路
针对现有技术存在的问题，本专利技术实施例提供一种人脸图像的表情识别方法、装置、电子设备及存储介质。第一方面，本专利技术实施例提供一种人脸图像的表情识别方法，包括：将待识别人脸图像输入表情识别模型，得到所述待识别人脸图像的表情识别结果；其中，所述表情识别模型为将人脸图像样本的五官距离信息和五官特征信息输...
【技术保护点】
1.一种人脸图像的表情识别方法，其特征在于，包括：/n将待识别人脸图像输入表情识别模型，得到所述待识别人脸图像的表情识别结果；/n其中，所述表情识别模型为将人脸图像样本的五官距离信息和五官特征信息输入第一卷积神经网络训练得到；/n所述五官距离信息为根据人脸图像中五官的位置计算得到的距离信息；/n所述五官特征信息为根据人脸图像的五官特征提取的特征信息。/n
【技术特征摘要】 【专利技术属性】
1.一种人脸图像的表情识别方法，其特征在于，包括：
将待识别人脸图像输入表情识别模型，得到所述待识别人脸图像的表情识别结果；
其中，所述表情识别模型为将人脸图像样本的五官距离信息和五官特征信息输入第一卷积神经网络训练得到；
所述五官距离信息为根据人脸图像中五官的位置计算得到的距离信息；
所述五官特征信息为根据人脸图像的五官特征提取的特征信息。
2.根据权利要求1所述的人脸图像的表情识别方法，其特征在于，所述表情识别模型的训练过程包括：
建立坐标系，根据人脸图像样本中五官各部分在所述坐标系中的位置，计算五官各部分之间的距离，得到所述五官距离信息；
将五官标注后的人脸图像样本输入五官特征模型，得到所述五官特征信息；
将所述五官距离信息和所述五官特征信息输入所述第一卷积神经网络进行训练，得到所述表情识别模型；
其中，所述五官特征模型为将人脸图像样本的五官训练集输入第二卷积神经网络训练得到。
3.根据权利要求2所述的人脸图像的表情识别方法，其特征在于，所述建立坐标系，根据人脸图像样本中五官各部分在所述坐标系中的位置，计算五官各部分之间的距离，得到所述五官距离信息，具体包括：
根据中心法则确定人脸图像样本中五官的中轴，并根据所述中轴得到对应的曲面网格；
在所述曲面网格中建立坐标系并确定坐标原点，根据所述坐标原点确定五官各部分在所述坐标系中的坐标；
根据五官各部分在所述坐标系中的坐标，计算五官各部分之间的非欧氏距离，得到所述五官距离信息；
其中，所述坐标原点根据人脸图像样本中鼻子的位置确定，或，根据人脸图像样本中眼睛和嘴巴的位置的平均值确定。
4.根据权利要求2所述的人脸图像的表情识别方法，其特征在于，所述将五官标注后的人脸图像样本输入五官特征模型，得到所述五官特征信息，具体包括：
对人脸图像样本进行五官标注，并根据预设尺寸对五官标注后的人脸图像样本进行裁剪，得到五官训练集；
将所述五官训练集输入目标卷积神经网络进行训练，得到五官特征；
将所述五官特征输入多通道卷积神经网络，得到所述五官特征信息；
其中，所述五官特征信息包括以下任意组合：形态学特征、纹理特征和色彩特征；
所述第二卷积神经网络包括所述目标卷积神经网络和所述多通道卷积神经网络。
技术研发人员：李鹏，裴峥，柯聪梁，陈艺勇，肖梦，李晋瑞，张伟，王堃，曾思达，
申请(专利权)人：咪咕动漫有限公司，咪咕文化科技有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：福建;35
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。