用户面部表情识别方法、装置和设备制造方法及图纸

本申请提供一种用户面部表情识别方法、装置和设备。该方法包括：获取目标对象的待处理图像，并对待处理图像进行卷积处理，确定待处理图像的第一特征图，其中，第一特征图表征待处理图像的基础特征信息；基于第一特征图，提取待处理图像的深层特征信息，得到最终特征图，其中，最终特征图包括基础特征信息和深层特征信息；根据最终特征图，确定待处理图像的分类识别结果。实现了对用户面部表情的特征的高精度、深层次提取，提高了面部表情分类识别结果的准确性。结果的准确性。结果的准确性。

【技术实现步骤摘要】
用户面部表情识别方法、装置和设备


[0001]本申请涉及图像处理
，尤其涉及一种用户面部表情识别方法、装置和设备。

技术介绍

[0002]由于煤矿生产环境具有不稳定性高、光照条件差以及能见度较低等特性，需要对煤矿生产现场进行实时监控，尤其需要对煤矿井下作业人员的面部表情进行识别分类，以尽早发现作业人员的异常，保障煤矿井下作业人员的人身安全以及生产作业安全。
[0003]现有技术中，利用结构简单的卷积神经网络对煤矿作业人员的面部表情图像进行简单卷积处理，以获取煤矿作业人员的面部特征信息，进而确定面部表情图像的分类识别结果。
[0004]然而现有技术中，由于煤矿作业人员的面部表情图像中人脸区域与背景区域对比度较小，并且煤矿作业人员的脸部颜色较深，使用结构简单的卷积神经网络提取其面部特征信息的精度较低，进而导致识别结果不准确。

技术实现思路

[0005]本申请提供一种用户面部表情识别方法、装置和设备，用以解决提取用户面部特征信息的精度较低，面部表情识别结果不准确的问题。
[0006]第一方面，本申请提供一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户面部表情识别方法，其特征在于，所述方法包括：获取目标对象的待处理图像，并对所述待处理图像进行卷积处理，确定所述待处理图像的第一特征图，其中，所述第一特征图表征所述待处理图像的基础特征信息；基于所述第一特征图，提取所述待处理图像的深层特征信息，得到最终特征图，其中，所述最终特征图包括所述基础特征信息和所述深层特征信息；根据所述最终特征图，确定所述待处理图像的分类识别结果。2.根据权利要求1所述的方法，其特征在于，基于所述第一特征图，提取所述待处理图像的深层特征信息，确定最终特征图，包括：重复执行以下步骤，直至达到预设条件：对所述第一特征图中每一像素点进行卷积处理和采样处理，提取所述第一特征图中每一像素点的关键特征信息，确定第二特征图，其中，所述第一特征图中包括有N
×
N个像素点，N为大于1的正整数；对所述第一特征图中每一像素点进行卷积处理和激活处理，提取所述特征图中每一像素点的关联特征信息，确定第三特征图；对所述第一特征图、所述第二特征图以及所述第三特征图进行特征融合处理，确定第四特征图，将所述第四特征图确定为新的第一特征图；其中，所述预设条件为预设最大深层特征信息提取次数；达到预设条件时的第一特征图为最终特征图。3.根据权利要求2所述的方法，其特征在于，对所述第一特征图中每一像素点进行卷积处理和采样处理，提取所述第一特征图中每一像素点的关键特征信息，确定第二特征图，包括：基于预设的1
×
1卷积核，对所述第一特征图中每一像素点进行卷积处理，获取所述第一特征图中每一像素点的特征映射信息；对每一像素点的特征映射信息进行上采样和下采样处理，确定并强化每一像素点的关键特征信息，确定第二特征图。4.根据权利要求2所述的方法，其特征在于，对所述第一特征图中每一像素点进行卷积处理和激活处理，提取所述特征图中每一像素点的关联特征信息，确定第三特征图，包括：对所述第一特征图进行深度可分离卷积处理，并根据第一预设激活函数对每一像素点进行逐通道激活，提取每一像素点的关联特征信息，确定第三特征图。5.根据权利要求4所述的方法，其特征在于，所述第一预设激活函数具有线性参数，所述线性参...

【专利技术属性】
技术研发人员：周波，陈永刚，苗瑞，邹小刚，梁书玉，
申请(专利权)人：深圳市海清视讯科技有限公司，
类型：发明
国别省市：