【技术实现步骤摘要】
基于多区域特征融合的人脸表情识别方法及相关设备
[0001]本申请涉及人脸识别领域，尤其涉及一种基于多区域特征融合的人脸表 情识别方法、系统、设备及存储介质。
技术介绍
[0002]人脸表情识别是计算机视觉领域一大热点，其技术应用领域非常广，包 括人机交互、安保、机器人制造、医疗和汽车等。人脸表情识别的目的是对 输入的人脸图片提取表情特征后进行表情识别。
[0003]现有的基于深度学习的人脸表情识别方案主要有三个代表方案：其一为 基于深度差分特征实现人脸表情识别，其二为引入注意力机制的人脸表情识 别技术，其三为基于人脸关键点的人脸表情识别技术。现有技术中用于监督 表情识别模型训练的标签往往是根据全局人脸图片标定的确定标签，但是不 同表情表现在人脸上往往是局部的不同，而不是全局的不同。当某个区域表 现为某种形式时，它产生的表情是不确定的，已有的表情识别方法采用确定 的表情标签进行表情模型学习，这样对于局部形态类似的图片在不同的迭代 中会被指定为不同的标签导致模型最终收敛不佳，准确性低。
技术实现思路
[...
【技术保护点】
【技术特征摘要】
1.一种基于多区域特征融合的人脸表情识别方法，其特征在于，所述基于多区域特征融合的人脸表情识别方法包括：获取待检测人脸图像；将所述待检测人脸图像输入至表情识别模型中，基于所述表情识别模型，对所述待检测人脸图像进行表情识别处理，得到表情识别结果；其中，所述表情识别模型是基于具有预设表情标签的人脸训练样本和所述人脸训练样本的不确定性指标，对预设待训练模型进行迭代训练后得到的。2.如权利要求1所述的基于多区域特征融合的人脸表情识别方法，其特征在于，所述获取待检测人脸图像的步骤之前，所述方法包括：获取所述人脸训练样本和所述人脸训练样本的表情标签；基于所述人脸训练样本，确定所述人脸训练样本的初始不确定性指标；基于所述人脸训练样本的表情标签和所述初始不确定性指标，对所述预设待训练模型进行迭代训练，得到具有满足精度条件的所述表情识别模型。3.如权利要求2所述的基于多区域特征融合的人脸表情识别方法，其特征在于，所述基于所述人脸训练样本的表情标签和所述不确定性指标，对所述预设待训练模型进行迭代训练，得到具有满足精度条件的所述表情识别模型的步骤，包括：将所述人脸训练样本输入至所述预设待训练模型，得到预测表情结果；将所述预测表情结果与所述人脸训练样本的表情标签进行差异计算，得到误差结果；基于所述误差结果，判断所述误差结果是否满足预设误差阈值范围指示的误差标准；若所述训练误差结果未满足所述预设误差阈值范围指示的误差标准，则更新区域人脸训练样本的不确定性指标，并返回所述将所述区域人脸训练样本输入至所述预设待训练模型，得到预测表情结果的步骤，直到所述训练误差结果满足所述预设误差阈值范围指示的误差标准后停止训练；将停止训练的模型作为具有满足精度条件的所述表情识别模型。4.如权利要求2所述的基于多区域特征融合的人脸表情识别方法，其特征在于，所述人脸样本包括区域人脸样本和完整人脸样本，所述获取人脸样本的步骤，包括：获取人脸训练样本图像；提取所述人脸训练样本图像中人脸的所述局部特征图像以及所述整体特征图像，得到所述区域人脸样本和所述完整人脸样本；对所述区域人脸样本和所述完整人脸样本进行人脸图像对齐，得到所述人脸训练样本。5.如权利要求4所述的基于多区域特征融合的人脸表情识别方法，其特征在于，所述基于所述人脸训练样本，确定所述人脸训练样本的初始不确定性指标的步骤，包括：基于所述人脸训练样本，确定所述人脸训练样本的Logits；基于所述人脸训练样本的Logits，确定所述人脸...
【专利技术属性】
技术研发人员：张健，梅涛，
申请(专利权)人：中国移动通信集团有限公司北京京东尚科信息技术有限公司，
类型：发明
国别省市：
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。