【技术实现步骤摘要】
图像中面部表情量化、识别方法及其装置、设备与介质
本申请涉及计算机图像处理领域，尤其涉及一种图像中面部表情量化方法和一种图像中面部表情识别方法，此外还涉及该些方法相应的装置、设备以及非易失性存储介质。
技术介绍
随着人工智能与人机交互领域的快速发展，人脸表情识别已经成为一个重要的研究课题。微笑是人类基本表情之一，具有重要的研究和应用价值。在在线网络视频直播的应用场景中，有效识别微笑表情，越来越具现实意义。可以理解，其他表情类型如哭脸表情的识别，也同理具有这种现实意义。现有技术中存在一种基于关键点和模板匹配的微笑识别方法，该方法首先对人脸表情关键点定位，然后与在线训练的微笑表情特征点模板参数进行匹配，进而得到微笑值。这种方法解决了有效识别笑脸表情的问题，但需要构建复杂冗余的参数模板，且尽管其自称“对光照鲁棒”，但在实测中，该方法在光照变化、侧脸等复杂环境和姿态下的鲁棒性较差。近年来，随着深度学习在图像算法中的快速发展，研究人员提出了基于卷积神经网络(CNN)的微笑识别方法。2016年由郑雪发表的硕士论文...
【技术保护点】
1.一种图像中面部表情量化方法，其特征在于，包括如下步骤：/n检测出待识别图像中的面部图像，基于面部图像中的关键特征点将该面部图像矫正为标准姿态；/n将经矫正的面部图像导入经训练的卷积神经网络进行特征提取，获得其所包含的面部表情的特征信息；/n将所提取的特征信息导入分类器，该分类器计算出该特征信息对应每个分类标签的命中概率，所述分类标签表征面部表情的变化程度的分类属性，由卷积神经网络的训练样本的分类属性所定义；/n根据各个分类标签的命中概率汇总计算，输出该面部图像中面部表情的量化幅值。/n
【技术特征摘要】
1.一种图像中面部表情量化方法，其特征在于，包括如下步骤：
检测出待识别图像中的面部图像，基于面部图像中的关键特征点将该面部图像矫正为标准姿态；
将经矫正的面部图像导入经训练的卷积神经网络进行特征提取，获得其所包含的面部表情的特征信息；
将所提取的特征信息导入分类器，该分类器计算出该特征信息对应每个分类标签的命中概率，所述分类标签表征面部表情的变化程度的分类属性，由卷积神经网络的训练样本的分类属性所定义；
根据各个分类标签的命中概率汇总计算，输出该面部图像中面部表情的量化幅值。
2.根据权利要求1所述的方法，其特征在于：所述关键特征点包括面部图像中的左右两个眼睛的中心点、鼻尖点以及嘴巴的左右两个嘴角点，在实施该面部图像矫正时，将关键特征点与标准人脸模型的相应特征点求相似变换矩阵后，将该相似变换矩阵应用到面部图像中实现将其矫正为标准姿态。
3.根据权利要求1所述的方法，其特征在于：所述分类器为每个分类标签预先匹配对应的标签系数，各标签系数在数值上表达所述变化程度之间的相对强弱关系，当根据各个分类标签的命中概率汇总计算输出该面部图像中面部表情的量化幅值时，将每个分类标签的命中概率与其相应的标签系数的乘积进行累加之和值，作为所述的量化幅值。
4.根据权利要求3所述的方法，其特征在于，所述的和值被乘以一个调整系数作为所述的量化幅值，以使该量化幅值的数值范围约束在特定的目标数值区间。
5.根据权利要求1所述的方法，其特征在于，所述卷积神经网络的训练数据集中包含的面部图像中具有人类笑脸或哭脸特征。
6.根据权利要求1至5中任意一项所述的方法，其特征在于，所述的量化幅值用于控制一个或数个基于所述即时视频流而执行的虚拟活动的进度，或被用于向产生所述的即时视频流的终端设备的图形用户界面输出。
7.一种图像中面部表情识别方法，其特征在于，其包括如下步骤：
监听网络直播过程的即时视频流中的图像帧，调用预设的程序接口，将所述图像帧作为该程序接口需导入的待识别图像，以通过该程序接口跟踪分析该即时视频流的图像帧而持续获得该程序接口返回的量化幅值；
与监听相并行地，播放...
【专利技术属性】
技术研发人员：宫凯程，王学文，王雷，
申请(专利权)人：广州华多网络科技有限公司，
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。