【技术实现步骤摘要】
图像处理方法、装置、电子设备及存储介质
本公开涉及人工智能领域,具体涉及一种对图像处理方法、装置、电子设备及存储介质。
技术介绍
随着互联网技术的高度发展,许多涉及到人工智能领域的系统(例如:情感分析系统、人机交互系统)在进行图像处理时需要进行表情识别。表情识别的准确率越高,对于后续的处理便越有利,用户的体验也会更佳。现有技术中在进行图像处理时,对于表情特征的表达不够全面、精准,从而导致表情识别的准确率较低。
技术实现思路
本公开的一个目的在于提出一种图像处理方法、装置、电子设备及存储介质,能够提高表情识别的准确率。根据本公开实施例的一方面,公开了一种图像处理方法,所述方法包括:获取待处理的人脸图像;提取所述人脸图像的人脸关键点;基于所述人脸关键点,定位所述人脸图像中的表情敏感区域,所述表情敏感区域为表情表达集中的人脸局部区域;基于所述表情敏感区域,对所述人脸图像进行表情识别。根据本公开实施例的一方面,公开了一种图像处理装置,所述装置包括:获取模块,配置为获取待处理的人脸图像;提取模块,配置为提取所述人脸图像的关键点;定位模块,配置为基于所述关键点,定位所述人脸图像中的表情敏感区域,所述表情敏感区域为表情表达集中的人脸局部区域;识别模块,配置为基于所述表情敏感区域,对所述人脸图像进行表情识别。根据本公开实施例的一方面,公开了一种图像处理电子设备,包括:存储器,存储有计算机可读指令;处理器,读取存储器存储的计算机 ...
【技术保护点】
1.一种图像处理方法,其特征在于,所述方法包括:/n获取待处理的人脸图像;/n提取所述人脸图像的人脸关键点;/n基于所述人脸关键点,定位所述人脸图像中的表情敏感区域,所述表情敏感区域为表情表达集中的人脸局部区域;/n基于所述表情敏感区域,对所述人脸图像进行表情识别。/n
【技术特征摘要】
1.一种图像处理方法,其特征在于,所述方法包括:
获取待处理的人脸图像;
提取所述人脸图像的人脸关键点;
基于所述人脸关键点,定位所述人脸图像中的表情敏感区域,所述表情敏感区域为表情表达集中的人脸局部区域;
基于所述表情敏感区域,对所述人脸图像进行表情识别。
2.根据权利要求1所述的方法,其特征在于,所述表情敏感区域包括至少两个人脸局部区域,基于所述人脸关键点,定位所述人脸图像中的表情敏感区域,包括:
从所述人脸关键点中,获取所述至少两个人脸局部区域分别对应的区域关键点;
基于所述区域关键点,分别定位所述至少两个人脸局部区域。
3.根据权利要求2所述的方法,其特征在于,所述至少两个人脸局部区域包括眼部区域和嘴部区域,
从所述人脸关键点中,获取所述至少两个人脸局部区域分别对应的区域关键点,包括:从所述人脸关键点中,获取所述眼部区域对应的眼部关键点、所述嘴部区域对应的嘴部关键点;
基于所述区域关键点,分别定位所述至少两个人脸局部区域,包括:
基于所述眼部关键点,定位所述眼部区域;
基于所述嘴部关键点,定位所述嘴部区域。
4.根据权利要求1所述的方法,其特征在于,基于所述表情敏感区域,对所述人脸图像进行表情识别,包括:
提取所述人脸图像对应的全局特征;
从所述表情敏感区域中提取所述表情敏感区域对应的区域特征;
基于所述全局特征以及所述区域特征,对所述人脸图像进行表情识别。
5.根据权利要求4所述的方法,其特征在于,所述表情敏感区域包括至少两个人脸局部区域,从所述表情敏感区域中提取所述表情敏感区域对应的区域特征,包括:从所述至少两个人脸局部区域中分别提取所述至少两个人脸局部区域分别对应的区域特征;
在基于所述全局特征以及所述区域特征,对所述人脸图像进行表情识别之前,还包括:
对所述至少两个人脸局部区域分别对应的区域特征进行拼接,获取所述至少两个人脸局部区域的拼接特征;
对所述拼接特征进行融合,获取所述至少两个人脸局部区域的融合特征;
基于所述全局特征以及所述区域特征,对所述人脸图像进行表情识别,包括:基于所述全局特征以及所述融合特征,对所述人脸图像进行表情识别。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:基于引入类间距离的中心损失函数LIC,对用于所述图像处理的神经网络进行预训练,
其中,所述类间距离包括当前输入特征对应的第一中心表情、与所述当前输入特征对应的第二中心表情之间的距离,所述中心损失函数LIC表达为如下公式:
其中,xi为所述当前输入特征,cyi为所述第一中心表情,ck为所述第二中心表情,m为训练所述神经网络时所使用的训练数据集所包含的训练数据的数量,所述当前输入特征为所述训练数据集中的一训练数据,n为表情的类别数,...
【专利技术属性】
技术研发人员:武文琦,叶泽雄,肖万鹏,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东;44
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。