一种表情强度识别方法、系统、设备及存储介质技术方案

本申请公开了一种表情强度识别方法、系统、设备及存储介质。该方法包括：获取数据样本集，所述数据样本集中包括若干个表情序列；采集所述数据样本集中的成对样本构建训练样本集，所述训练样本集中每个样本的强度标签采用标签概率分布来表示，所述标签概率分布的参数是通过目标样本所在表情序列中包含目标样本的观测窗口内所有样本的原始强度标签的分布确定的；利用所述训练样本集对基于神经网络的表情强度识别模型进行训练。本发明专利技术可以提升表情强度识别的准确性。情强度识别的准确性。情强度识别的准确性。

【技术实现步骤摘要】
一种表情强度识别方法、系统、设备及存储介质


[0001]本申请涉及表情识别
，更具体地，涉及一种表情强度识别方法、系统、设备及存储介质。

技术介绍

[0002]面部表情在人们的日常交往中有着重要的作用，它直接传递了人们的情感。随着计算机科学技术的发展，自动化人脸表情分析成了一项受到越来越多关注的研究课题。
[0003]近年来，在面部表情识别领域中相继有非常多的方法被提出并在表情识别中取得较好的效果，但只有少数作品考虑了表情中蕴含的情感强度。而面部表情强度变化提供了面部行为的时间动态信息，这对于解释表情的含义至关重要。然而现有的基于排序的方法虽然能较好的估计出连续表情序列中成对表情的相对强度，但在估计表情绝对值上的表现不佳。

技术实现思路

[0004]针对现有技术的至少一个缺陷或改进需求，本专利技术提供了一种表情强度识别方法、系统、设备及存储介质，本专利技术可以提升表情强度识别的准确性。
[0005]为实现上述目的，按照本专利技术的第一个方面，提供了一种表情强度识别方法，包括：
[0006]获取数据样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种表情强度识别方法，其特征在于，包括：获取数据样本集，所述数据样本集中包括若干个表情序列；采集所述数据样本集中的成对样本构建训练样本集，所述训练样本集中每个样本的强度标签采用标签概率分布来表示，所述标签概率分布的参数是通过目标样本所在表情序列中包含目标样本的观测窗口内所有样本的原始强度标签的分布确定的；利用所述训练样本集对基于神经网络的表情强度识别模型进行训练。2.如权利要求1所述的表情强度识别方法，其特征在于，将所述训练样本集中的样本记为的标签概率分布记为位于所述观测窗口的中心，所述观测窗口表示为[i
‑
τ,i+τ]，表示所属表情序列中的第i
‑
τ帧到i+τ帧样本构成了所述观测窗口，τ为正整数，根据所述观测窗口中2τ+1帧样本的分布确定的参数。3.如权利要求2所述的表情强度识别方法，其特征在于，若设定满足高斯分布，表示为：式中，y
d
是的第d个元素，是代表和强度水平为d
‑
1的样本之间的相似性，D是的元素总数，μ和σ2分别是高斯分布的均值和方差，Z是确保的标准化因子。4.如权利要求3所述的表情强度识别方法，其特征在于，4.如权利要求3所述的表情强度识别方法，其特征在于，y
m
表示所述观测窗口中样本的原始强度标签。5.如权利要求1所述的表情强度识别方法，其特征在于，每个表情序列包括从中性表情帧到峰值表情帧演化的多帧表情，若目标样本及目标样本所属表情序列中目标样本相邻的多个样本中的至少部分样本的原始强度标签不存在，则根据目标样本所属表情序列的最大强度值和最低强度值计算生成伪强度标签，将生成的伪强度标签作为样本的原始强度标签。6.如权利要求4所述的表情强度识别方法，其特征在于，若y
m
不存在，则计算生成伪强度标签将生成的伪标签作为样本的原始强度标签，的计算公式为：I
h
...

【专利技术属性】
技术研发人员：陈靓影，石金鑫，徐如意，杨宗凯，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：