一种面部表情的分类方法和电子设备技术

本申请涉及图像处理领域，提供了一种面部表情的分类方法，包括：获取目标图像，该目标图像包括目标对象的面部表情；将目标图像输入到表情分类模型中，得到分类结果，分类结果用于指示面部表情的情绪表达程度；表情分类模型包括：第一特征提取网络、第二特征提取网络和融合分类模块；通过第一特征提取网络对目标图像进行局部特征提取，得到面部表情所在区域的第一特征；通过第二特征提取网络对目标图像进行全局特征提取，得到第二特征；通过融合分类模块对第一特征和第二特征进行特征融合和分类，得到分类结果。上述方法能够提高面部表情的情绪特征的提取率，从而解决面部表情分类准确率低的问题。低的问题。低的问题。

【技术实现步骤摘要】
一种面部表情的分类方法和电子设备


[0001]本申请涉及图像处理领域，尤其涉及一种面部表情的分类方法和电子设备。

技术介绍

[0002]近年来，面部表情分类是图像处理领域的研究热点，例如，面部疼痛表情的分类是医学领域研究的热点之一。通常采用卷积神经网络对新生儿、重症患者以及失语症患者的面部疼痛表情进行疼痛程度分类。但是，现有卷积神经网络对面部疼痛表情进行疼痛特征提取的结果不理想，从而影响其根据该疼痛特征提取结果对面部疼痛表情进行疼痛程度分类的准确率。
[0003]因此，如何提高对面部表情分类的准确率是当前急需解决的问题。

技术实现思路

[0004]本申请提供了一种面部表情的分类方法和电子设备，能够解决面部表情分类准确率低的问题。
[0005]第一方面，提供了一种面部表情的分类方法，包括：获取目标图像，所述目标图像包括目标对象的面部表情；将所述目标图像输入到表情分类模型中，得到分类结果，所述分类结果用于指示所述面部表情的情绪表达程度；所述表情分类模型包括：第一特征提取网络、第二特征提取网络和融合分类模块；通过所述第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面部表情的分类方法，其特征在于，所述方法包括：获取目标图像，所述目标图像包括目标对象的面部表情；将所述目标图像输入到表情分类模型中，得到分类结果，所述分类结果用于指示所述面部表情的情绪表达程度；所述表情分类模型包括：第一特征提取网络、第二特征提取网络和融合分类模块；通过所述第一特征提取网络对所述目标图像进行局部特征提取，得到所述面部表情所在区域的第一特征；通过第二特征提取网络对所述目标图像进行全局特征提取，得到第二特征；通过所述融合分类模块对所述第一特征和所述第二特征进行特征融合和分类，得到所述分类结果。2.根据权利要求1所述的分类方法，其特征在于，所述第一特征提取网络为VGG16，所述VGG16的输入层包括：局部注意力层，所述局部注意力层用于对所述目标图像中所述面部表情所在区域以外的区域进行信息衰减操作。3.根据权利要求2所述的分类方法，其特征在于，所述VGG16的输入层包括依次连接的第一卷积层、第一批归一化层、第一激活层、所述局部注意力层和第一最大池化层；所述局部注意力层对所述目标图像中所述面部表情所在区域以外的区域进行信息衰减操作的方式为：所述局部注意力层接收到所述第一激活层的输出信息后，根据所述第一激活层的输出信息确定二维图像掩码，并将所述二维图像掩码和所述第一激活层的输出信息相乘，得到所述局部注意力层的输出信息；其中，所述局部注意力层的输出信息用于输入至连接在所述局部注意力层之后的网络层进行局部特征提取。4.根据权利要求3所述的分类方法，其特征在于，所述根据所述第一激活层的输出信息确定二维图像掩码，包括：对所述第一激活层的输出信息中每个通道的特征图进行平均激活值计算，得到N个平均激活值；根据所述N个平均激活值确定第一通道，所述第一通道为所述N个平均激活值中最大的平均激活值对应的通道；对所述第一通道中的每个像素进行掩码设置，其中，当所述第一通道中的第一像素大于或者等于所述最大的平均激活值...

【专利技术属性】
技术研发人员：叶欣婷，谢耀钦，胡嘉尼，梁晓坤，秦文健，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：