【技术实现步骤摘要】
本公开涉及信息处理，尤其涉及一种面部表情的检测方法、装置、电子设备及存储介质。
技术介绍
1、表情识别技术是指从包含人脸的图像或视频序列中获取人脸表情并加以识别的技术，可被应用于人机交互、辅助驾驶等领域。例如：在商场中，可通过表情识别技术确定目标人物是否体现出开心的情绪，以对消费体验进行统计。再例如：在车辆行驶过程中，可通过表情识别技术确定目标人物是否体现出疲惫情绪，以对疲劳驾驶行为进行检测。表情识别技术的识别结果通常与上层任务的精度相关，故如何更好地进行面部表情的检测是开发人员亟需解决的技术问题。
技术实现思路
1、本公开提出了一种面部表情的检测技术方案。
2、根据本公开的一方面，提供了一种面部表情的检测方法，所述检测方法包括：获取人脸图像；将所述人脸图像输入检测模型，得到所述人脸图像对应的表情系数；其中，所述检测模型由训练数据训练得到，所述训练数据包括训练图像、训练图像对应的表情系数标签以及训练图像对应的至少一个辅助标签；根据所述表情系数、表情系数与面部表情之间预设的对应关系，确定所述人脸图像对应的面部表情。
3、在一种可能的实施方式中，所述检测模型由初始检测模型训练得到，所述初始检测模型包括：特征提取模块、与所述特征提取模块相连的表情系数检测模块、与所述特征提取模块相连的至少一个辅助检测模块；所述检测模型通过如下方式得到：将所述训练图像输入第一检测模型的所述特征提取模块，得到训练图像对应的图像特征；其中，所述第一检测模型为所述初始检测模型或第二检测模型
4、在一种可能的实施方式中，所述特征提取模块包括：输入卷积层、与所述输入卷积层相连的深度可分离卷积层，所述将所述训练图像输入第一检测模型的所述特征提取模块，得到训练图像对应的图像特征，包括：通过所述输入卷积层，对训练图像进行卷积，得到初始图像特征；通过所述深度可分离卷积层，对所述初始图像特征进行深度可分离卷积，得到训练图像对应的图像特征。
5、在一种可能的实施方式中，所述基于所述预测表情系数、所述表情系数标签以及所述至少一个辅助预测标签，调整目标模型的模型参数，得到新的第二检测模型，包括：根据所述预测表情系数与训练图像对应的表情系数标签之间的第一差异、所述第一差异对应的第一权重，得到第一损失值；根据所述至少一个辅助预测标签与训练图像对应的至少一个辅助标签之间的至少一个第二差异、每个第二差异对应的第二权重，得到至少一个第二损失值；其中，第一权重的数值高于所述至少一个第二差异对应的至少一个第二权重的数值的总和；根据所述第一损失值、所述至少一个第二损失值，调整第一检测模型的模型参数，得到新的第二检测模型。
6、在一种可能的实施方式中，所述调整第一检测模型的模型参数，得到新的第二检测模型，包括：调整所述第一检测模型的模型参数，得到调整后的第一检测模型；将调整后的第一检测模型中的所述至少一个辅助检测模块进行剪枝，将剪枝后的、调整后的第一检测模型作为新的第二检测模型。
7、在一种可能的实施方式中，所述检测方法还包括：获取初始训练图像；筛选所述初始训练图像中满足至少一种预设条件的图像，作为所述训练图像；所述预设条件包括：初始训练图像对应的采集角度为至少一种预设采集角度、初始训练图像对应的年龄段为至少一种预设年龄段、初始训练图像对应的性别为至少一种预设性别、初始训练图像与图像采集装置之间的距离为至少一种预设距离。
8、在一种可能的实施方式中，所述辅助标签为头部姿态标签、面部关键点标签中的任意一种。
9、在一种可能的实施方式中，所述将所述人脸图像输入检测模型，得到所述人脸图像对应的表情系数，包括：根据所述人脸图像，确定所述人脸图像对应的面部检测框；根据所述人脸图像对应的面部检测框，确定面部区域图像；根据所述面部区域图像，确定所述面部区域图像中的面部关键点；根据所述面部关键点、预设关键点之间的位置关系，对所述面部区域图像进行调整；将调整后的面部区域图像输入至检测模型，得到所述人脸图像对应的表情系数。
10、根据本公开的一方面，提供了一种面部表情的检测装置，所述检测装置包括：图像获取模块，用以获取人脸图像；表情系数确定模块，用以将所述人脸图像输入检测模型，得到所述人脸图像对应的表情系数；其中，所述检测模型由训练数据训练得到，所述训练数据包括训练图像、训练图像对应的表情系数标签以及训练图像对应的至少一个辅助标签；面部表情确定模块，用以根据所述表情系数、表情系数与面部表情之间预设的对应关系，确定所述人脸图像对应的面部表情。
11、根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
12、根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
13、在本公开实施例中，可获取人脸图像，而后将所述人脸图像输入检测模型，得到所述人脸图像对应的表情系数，最终根据所述表情系数、表情系数与面部表情之间预设的对应关系，确定所述人脸图像对应的面部表情。本公开实施例中的训练数据包括了表情系数标签、辅助标签，故可提升表情系数的生成精度，有利于最终的人脸图像的面部表情的确定精度。
14、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
本文档来自技高网...【技术保护点】
1.一种面部表情的检测方法，其特征在于，所述检测方法包括：
2.如权利要求1所述的检测方法，其特征在于，所述检测模型由初始检测模型训练得到，所述初始检测模型包括：特征提取模块、与所述特征提取模块相连的表情系数检测模块、与所述特征提取模块相连的至少一个辅助检测模块；
3.如权利要求2所述的检测方法，其特征在于，所述特征提取模块包括：输入卷积层、与所述输入卷积层相连的深度可分离卷积层，所述将所述训练图像输入第一检测模型的所述特征提取模块，得到训练图像对应的图像特征，包括：
4.如权利要求2所述的检测方法，其特征在于，所述基于所述预测表情系数、所述表情系数标签以及所述至少一个辅助预测标签，调整目标模型的模型参数，得到新的第二检测模型，包括：
5.如权利要求2所述的检测方法，其特征在于，所述调整第一检测模型的模型参数，得到新的第二检测模型，包括：
6.如权利要求1所述的检测方法，其特征在于，所述检测方法还包括：
7.如权利要求1所述的检测方法，其特征在于，所述辅助标签为头部姿态标签、面部关键点标签中的任意一种。>
8.如权利要求1至7中任意一项所述的检测方法，其特征在于，所述将所述人脸图像输入检测模型，得到所述人脸图像对应的表情系数，包括：
9.一种面部表情的检测装置，其特征在于，所述检测装置包括：
10.一种电子设备，其特征在于，包括：
11.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至8中任意一项所述的面部表情的检测方法。
...【技术特征摘要】
1.一种面部表情的检测方法，其特征在于，所述检测方法包括：
2.如权利要求1所述的检测方法，其特征在于，所述检测模型由初始检测模型训练得到，所述初始检测模型包括：特征提取模块、与所述特征提取模块相连的表情系数检测模块、与所述特征提取模块相连的至少一个辅助检测模块；
3.如权利要求2所述的检测方法，其特征在于，所述特征提取模块包括：输入卷积层、与所述输入卷积层相连的深度可分离卷积层，所述将所述训练图像输入第一检测模型的所述特征提取模块，得到训练图像对应的图像特征，包括：
4.如权利要求2所述的检测方法，其特征在于，所述基于所述预测表情系数、所述表情系数标签以及所述至少一个辅助预测标签，调整目标模型的模型参数，得到新的第二检测模型，包括：
5.如权利要求2所述...
【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，请求不公布姓名，请求不公布姓名，
申请(专利权)人：摩尔线程智能科技北京有限责任公司，
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。