一种乘务员表情检测方法、装置、设备及介质制造方法及图纸

本申请提供了一种乘务员表情检测方法、装置、设备及介质，方法包括，获取乘务员的人脸图像；通过对所述人脸图像进行处理，从所述人脸图像中提取与微笑表情相关的多个面部区域中关键骨骼点的坐标，每个面部区域包括多个关键骨骼点；所述多个关键骨骼点的坐标能够表征对应面部区域在乘务员微笑时的特征；将所述每个面部区域中的关键骨骼点的坐标融合为该乘务员的微笑表情特征向量；根据训练好的表情检测模型对多个面部区域的微笑表情特征向量进行处理，得到该乘务员微笑表情的第一检测结果，本申请自动给出乘务员微笑表情检测结果，满足乘务员表情培训与考核的需求。乘务员表情培训与考核的需求。乘务员表情培训与考核的需求。

【技术实现步骤摘要】
一种乘务员表情检测方法、装置、设备及介质


[0001]本申请涉及图像识别领域，具体而言，涉及一种乘务员表情检测方法、装置、设备及介质。

技术介绍

[0002]随着中国铁路和轨道交通建设的高速发展，对列车乘务员的需求量越来越大，同时对乘务员的专业技能和服务态度也提出了更高的要求。乘务员的服务态度很大程度上取决于面部表情，因为面部表情是传播人类情感信息与协调人际关系的重要方式，因此，面部表情很大程度上体现了乘务员的服务态度和职业形象。因此，乘务员面部表情的自动识别对铁路部门实现科学管理具有重要的意义。
[0003]在对乘务员面部表情进行科学管理的一系列方法中，乘务员的面部表情培训是这一系列方法的基石。当前，对乘务员的培训多以教师讲授要点，示范动作规范。但是，现有教师的人数无法满足其培训需求，其次教师经验和技能水平参差不齐，很难保证其教学质量。再者，目前对乘务员面部表情的考核主要依靠考官人为评判，费时费力，也无法确保其评价标准的一致性。

技术实现思路

[0004]有鉴于此，本申请的目的在于提供一种乘务员表情检测方法、装置、设备及介质，能够自动给出乘务员微笑表情检测结果，满足乘务员表情培训的需求，并满足对乘务员表情科学考核的需求。
[0005]本申请实施例提供的一种乘务员表情检测方法，所述方法包括：
[0006]获取乘务员的人脸图像；
[0007]通过对所述人脸图像进行处理，从所述人脸图像中提取与微笑表情相关的多个面部区域中关键骨骼点的坐标，每个面部区域包括多个关键骨骼点；所述多个关键骨骼点的坐标能够表征对应面部区域在乘务员微笑时的特征；
[0008]将所述每个面部区域中的关键骨骼点的坐标融合为该乘务员的微笑表情特征向量；
[0009]根据训练好的表情检测模型对所述多个面部区域的微笑表情特征向量进行处理，得到该乘务员微笑表情的第一检测结果。
[0010]在一些实施例中，所述的乘务员表情检测方法中，将所述每个面部区域中的关键骨骼点的坐标融合为该乘务员的微笑表情特征向量之后，所述方法还包括：
[0011]将多个面部区域的微笑表情特征向量进行融合，得到面部整体的人脸微笑表情特征向量；
[0012]根据训练好的表情检测模型对所述多个面部区域的微笑表情特征向量进行处理，得到该乘务员微笑表情的第一检测结果，包括：
[0013]根据训练好的表情检测模型，对融合得到的面部整体的人脸微笑表情特征向量进
行处理，得到该乘务员微笑表情的第一检测结果。
[0014]在一些实施例中，所述的乘务员表情检测方法还包括：
[0015]在一次检测中，获取该乘务员的多张人脸图像；
[0016]分别获取所述多张人脸图像的面部整体的人脸微笑表情特征向量，以获取该乘务员在该次检测中多个面部整体的人脸微笑表情特征向量；
[0017]将所述多个面部整体的人脸微笑表情特征向量进行融合，得到融合后的人脸微笑表情特征向量作为综合人脸微笑表情特征向量；
[0018]根据训练好的表情检测模型，对融合得到的面部整体的人脸微笑表情特征向量进行处理，得到该乘务员微笑表情的第一检测结果，包括：
[0019]根据训练好的表情检测模型，对综合人脸微笑表情特征向量进行处理，得到该乘务员微笑表情的第一检测结果。
[0020]在一些实施例中，所述的乘务员表情检测方法还包括：在一次检测中，获取该乘务员微笑表情的多个第一检测结果；所述多个第一检测结果所对应的综合人脸微笑表情特征向量不同；
[0021]计算该乘务员的多个微笑表情的第一检测结果的合格率，根据所述合格率得到该乘务员的微笑表情的第二检测结果。
[0022]在一些实施例中，所述的乘务员表情检测方法还包括：
[0023]在乘务员的培训过程中，获取该乘务员多次检测的第二检测结果；
[0024]根据该乘务员的多次检测的第二检测结果，计算该乘务员培训过程中的第二检测结果的合格率作为该乘务员的培训结果。
[0025]在一些实施例中，根据该乘务员的多次检测的第二检测结果，计算该乘务员培训过程中的第二检测结果的合格率作为该乘务员的培训结果，包括：
[0026]在该乘务员进行第一次检测之前，采集该乘务员的人脸图像和名字；
[0027]在每次检测过程中，在根据该乘务员的人脸图像得到该乘务员的第二检测结果时，同时根据该乘务员的人脸图像识别出该乘务员的名字，以建立该乘务员的名字和该乘务员多次检测的第二检测结果的映射关系；
[0028]根据所述映射关系，计算该乘务员培训过程中的第二检测结果的合格率作为该乘务员的培训结果。
[0029]在一些实施例中，所述的乘务员表情检测方法，所述人脸图像中提取与微笑表情相关的多个面部区域中关键骨骼点的坐标中，所述关键骨骼点的坐标为面部区域中预设位置的坐标。
[0030]在一些实施例中，还提供一种乘务员表情检测装置，所述装置包括：
[0031]获取模块，用于获取乘务员的人脸图像；
[0032]第一处理模块，用于通过对所述人脸图像进行处理，从所述人脸图像中提取与微笑表情相关的多个面部区域中关键骨骼点的坐标，每个面部区域包括多个关键骨骼点；所述多个关键骨骼点的坐标能够表征对应面部区域在乘务员微笑时的特征；
[0033]融合模块，用于将所述每个面部区域中的关键骨骼点的坐标融合为该乘务员的微笑表情特征向量；
[0034]第二处理模块，根据训练好的表情检测模型对所述多个面部区域的微笑表情特征
向量进行处理，得到该乘务员微笑表情的第一检测结果。
[0035]在一些实施例中，还提供一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的程序指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述程序指令，以执行所述的乘务员表情检测方法的步骤。
[0036]在一些实施例中，还提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行所述的乘务员表情检测方法的步骤。
[0037]本申请所述的乘务员面部表情检测方法，在面部表情特征提取时，结合乘务员的表情考核指标，只提取面部区域的关键骨骼点的坐标位置作为表情特征的输入数据；在处理微笑表情特征向量得到该乘务员微笑表情的第一检测结果时，只需设计简单的二类SVM分类器作为表情检测模型，从而完成表情的检测，整个检测过程简单，计算量小，能减少检测的时间，同时，避免了采用神经网络训练数据时复杂的计算过程和学习过程；本申请所述的乘务员面部表情检测方法，能够科学的、自动的对乘务员的面部表情是否合格做出检测和判断，能够充分满足乘务员培训需求，降低考官教学强度，也能够保证评价标准的一致性。
附图说明
[0038]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种乘务员表情检测方法，其特征在于，所述方法包括：获取乘务员的人脸图像；通过对所述人脸图像进行处理，从所述人脸图像中提取与微笑表情相关的多个面部区域中关键骨骼点的坐标，每个面部区域包括多个关键骨骼点；所述多个关键骨骼点的坐标能够表征对应面部区域在乘务员微笑时的特征；将所述每个面部区域中的关键骨骼点的坐标融合为该乘务员的微笑表情特征向量；根据训练好的表情检测模型对所述多个面部区域的微笑表情特征向量进行处理，得到该乘务员微笑表情的第一检测结果。2.根据权利要求1所述的乘务员表情检测方法，其特征在于，将所述每个面部区域中的关键骨骼点的坐标融合为该乘务员的微笑表情特征向量之后，所述方法还包括：将多个面部区域的微笑表情特征向量进行融合，得到面部整体的人脸微笑表情特征向量；根据训练好的表情检测模型对所述多个面部区域的微笑表情特征向量进行处理，得到该乘务员微笑表情的第一检测结果，包括：根据训练好的表情检测模型，对融合得到的面部整体的人脸微笑表情特征向量进行处理，得到该乘务员微笑表情的第一检测结果。3.根据权利要求2所述的乘务员表情检测方法，其特征在于，所述方法还包括：在一次检测中，获取该乘务员的多张人脸图像；分别获取所述多张人脸图像的面部整体的人脸微笑表情特征向量，以获取该乘务员在该次检测中多个面部整体的人脸微笑表情特征向量；将所述多个面部整体的人脸微笑表情特征向量进行融合，得到融合后的人脸微笑表情特征向量作为综合人脸微笑表情特征向量；根据训练好的表情检测模型，对融合得到的面部整体的人脸微笑表情特征向量进行处理，得到该乘务员微笑表情的第一检测结果，包括：根据训练好的表情检测模型，对综合人脸微笑表情特征向量进行处理，得到该乘务员微笑表情的第一检测结果。4.根据权利要求3所述的乘务员表情检测方法，其特征在于，所述方法还包括：在一次检测中，获取该乘务员微笑表情的多个第一检测结果；所述多个第一检测结果所对应的综合人脸微笑表情特征向量不同；计算该乘务员的多个微笑表情的第一检测结果的合格率，根据所述合格率得到该乘务员的微笑表情的第二检测结果。5.根据权利要求4所述的乘务员表情检测方法，其特征...

【专利技术属性】
技术研发人员：高志生，朱运兰，王晓华，侯晓龙，刘帅，张冶，辛青青，
申请(专利权)人：郑州捷安高科股份有限公司，
类型：发明
国别省市：