基于遗传算法的表情分类方法技术

本发明专利技术公开了基于遗传算法的表情分类方法，包括如下步骤。获取人脸照片数据集；识别人脸特征部位；提取所有特征形成特征数据；编码所述特征数据；通过深度神经网络训练获取人脸表情评价模型；通过遗传算法进行演化计算人脸表情评价模型，得到遗传算法得到的结果集；将所述结果集还原为对应情绪边界的人脸表情图片和特征数据。本发明专利技术通过遗传算法独特的演化过程，得到处于情绪分类边界的表情，以此解决在表情、微表情识别中情绪分类的边界问题。将人脸表情照片输入后，可以以数据或图片的格式输出需要的一些情绪分类的边界。同时，边界表情图片可以用于可视化观察研究，而特征数据可以作为其他分类算法或系统的输入，来提高表情处理效率及精准度。处理效率及精准度。处理效率及精准度。

【技术实现步骤摘要】
基于遗传算法的表情分类方法


[0001]本专利技术涉及表情智能处理算法，尤其涉及一种基于遗传算法的表情分类方法。

技术介绍

[0002]在相关的现有技术中，人工智能对照片中表情的自动识别和处理较为落后，对于一些较为模糊的概念缺乏量化定义，大多凭借主观经验进行分类判断，智能程度不高，处理效率低下，导致表情、微表情识别中情绪分类效果欠佳。

技术实现思路

[0003]本专利技术实施方式提供的基于遗传算法的表情分类方法，包括如下步骤：
[0004]步骤一：获取人脸照片数据集；
[0005]步骤二：识别人脸特征部位；
[0006]步骤三：提取所有特征形成特征数据；
[0007]步骤四：编码所述特征数据；
[0008]步骤五：通过深度神经网络训练获取人脸表情评价模型；
[0009]步骤六：通过遗传算法进行演化计算人脸表情评价模型，得到遗传算法得到的结果集；
[0010]步骤七：将所述结果集还原为对应情绪边界的人脸表情图片和特征数据。
[0011]本专利技术通过遗传算法独特的演化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于遗传算法的表情分类方法，其特征在于，包括如下步骤：步骤一：获取人脸照片数据集；步骤二：识别人脸特征部位；步骤三：提取所有特征形成特征数据；步骤四：编码所述特征数据；步骤五：通过深度神经网络训练获取人脸表情评价模型；步骤六：通过遗传算法进行演化计算人脸表情评价模型，得到遗传算法得到的结果集；步骤七：将所述结果集还原为对应情绪边界的人脸表情图片和特征数据。2.根据权利要求1所述的基于遗传算法的表情分类方法，其特征在于，步骤二中，人脸的主要特征部位分割为11部分，分别是左眉、右眉、左眼、右眼、鼻、上嘴唇、下嘴唇、左上脸颊、左下脸颊、右上脸颊和右下脸颊。3.根据权利要求1所述的基于遗传算法的表情分类方法，其特征在于，步骤四中，编码的具体步骤为：每张照片被编码为[x1，x2，...，x
11
]，其中每个x
i
为一个表示人脸某个部分的特征向量。4.根据权利要求1所述的基于遗传算法的表情分类方法，其特征在于，步骤五中，人脸表情评价模型f(x)具体的操作步骤为：对人脸表情照片数据集进行标注；设计或选择恰当的深度神经网络模型；将数据集以及对应的标签输入深度学习模型进行训练。5.根据权利要求4所述的基于遗传算法的表情分类方法，其特征在于，人脸表情评价模型f(x)通过交叉验证方法检验模型。6.根据权利要求1所述的基于遗传算法的表情分类方法，其特征在于，步骤六中，通过遗传算法进行演化计算的具体步骤为：随机选取一组染色体作为初始种群，pop
t
＝x1，x2，...，x

【专利技术属性】
技术研发人员：刘峰，王晗阳，齐佳音，周爱民，李志斌，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：