【技术实现步骤摘要】
本专利技术涉及表情识别，尤其是涉及一种基于人口特征因素的面部表情识别的方法。
技术介绍
1、通过面部特征来进行分析识别对象的性别，年龄，种族，情绪，是计算机视觉的重要课题，有着广泛的应用场景。尤其是面部五官和纹理的变化对面部识别多种识别任务提出了挑战。作为人类传递社会信息的主要手段，面孔是人类情感表达的主要信息载体。面部表情包含复杂的信息，如气质和个性、情绪状态和精神病理表现。大约55％的情感表达信息是通过面部传达的。在过去的十年中，面部表情识别的各种应用随着人工智能的发展，有了广泛而重要的发展前景，包括安保、测谎，预测疲劳驾驶，智能辅导系统、医疗保健，智能陪护等。
2、已有的面部表情识别研究主要从特征提取，特征参数共享，和区域特征衡量几个方面来提高表情特征的有效利用率从而提高面部识别任务的准确度。目前常见的特征提取的面部识别方法主要分为手工方式提取特征以及深度特征学习模型。基于手工方式的特征提取有几何特征的方法和基于纹理外观特征方法两种，这两种方法通过面部组件之间的几何关系来提取面部图像特征和局部编码方案来提取微观纹理信息。手工方式提取特征的方式存在噪音较大和信息较浅的问题，提高表情特征的提取效率成为表情判断的发展的主要方向。
3、随着人工成本的日益提高和陪护需求的增长，智能陪护成为医疗，养老，等多种陪护场景产业的重要发展方向。面部表情识别对于被陪护者的状态和需求理解具有重要意义。医疗领域的智能陪护场合下同时存在多种人口因素特征，根据心理学和生理学的研究表明，表情表达随着年龄，性别，种族背景等人口因素变
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于人口特征因素的面部表情识别的方法，该方法通过分析人口因素特征信息之间的联系，获得面部对象获的性别，年龄，种族等多层次多类别人口因素特性信息空间。通过面部多层次多种类特征信息空间与面部对象进行连接，得到面部多区块特征，实现不同层次种类信息的互补。通过注意力机制学习不同类型特征信息的重点关注区块，推理不同关注区块的相互联系，获得区块自适应特征，有效的扩大了对象面部信息范围，提高了面部区域特征有效利用率。
2、本专利技术的目的可以通过以下技术方案来实现：
3、本专利技术公开了一种基于人口特征因素的面部表情识别的方法，包括以下步骤：
4、步骤1、对待判断的样本图像进行预处理，得到面部表情对象；
5、步骤2、分析所述面部表情对象中的人口因素特征信息之间的联系，训练人口因素限制性加强特征框架；
6、步骤3、将所述面部表情对象输入所述人口因素限制性加强特征框架，获得人口因素特性信息空间；
7、步骤4、将所述面部表情对象与所述人口因素特性信息空间进行连接，扩展面部信息空间范围，获得多类型空间特征信息区域；
8、步骤5、利用深度学习算法的骨干网络对所述多类型空间特征信息区域进行学习，获得面部多区块特征；
9、步骤6、分析所述面部多区块特征的与面部表情识别的关联度，利用自注意力机制，获得面部多区块特征的自我注意力置信度；
10、步骤7、分析面部表情对象和所述多类别特征信息空间区域的相互关联关系，利用所述面部多区块特征的自我注意力置信度和多特征注意力机制，获得面部多区块特征注意力置信度；
11、步骤8、将面部多区块特征注意力置信度与对应的面部多区块特征进行融合，得到面部图像的区块自适应特征表达，通过融合区块自适应特征表达对面部表情进行判断。
12、进一步地，所述步骤1具体包括：对所述图像进行人脸识别，对齐切割，得到切割后的面部表情对象。
13、进一步地，所述步骤2具体包括：使用特征约束强化机制来衡量的性别，年龄与种族特征的相互影响置信度，计算性别，年龄与种族特征置信度的过程如公式所示：
14、
15、
16、
17、其中，uigender为性别特征的置信度，uiethnicity为种族特征的置信度，uiage为年龄特征的置信度，λ1，λ2，λ3为人口特征置信度参数，||·||代表绝对值函数；
18、通过特征约束置强化机制，计算性别，年龄与种族对彼此影响的置信度，得到对象i性别，年龄与种族三个类别强化特征，如公式所示：
19、
20、
21、
22、其中，分别为对象年龄，性别，种族的限制强化特征，cgender，cethnicity，cage表示性别，种族，年龄分类激活函数的结果，k表示性别类的长度，m代表种族类别的长度，z代表年龄类别的长度，uigender为性别特征的置信度，uiethnicity为种族特征的置信度，uiage为年龄特征的置信度；
23、将年龄，种族，性别的限制强化特征进行叠加，得到人口统计学的综合特征，如下公式所示：
24、
25、其中，ai为人口统计学的综合特征，分别为对象年龄，性别，种族的限制强化特征。
26、进一步地，将训练完成的人口因素限制性加强特征框架的参数固定，并将所述面部表情对象输入所述框架中，分别提取所述框架中的性别，年龄与种族单独类别的特征热力图，综合特征热力图以及综合特征的反向梯度热力图，将所述性别，年龄与种族单独类别的特征热力图，综合特征热力图以及综合特征的反向梯度热力图共同作为人口因素特性信息空间。
27、进一步地，所述步骤4具体包括：将所述面部表情对象与所述人口因素特性信息空间进行纵向连接。
28、进一步地，所述步骤5具体包括：通过深度学习算法的骨干网络resnet18分别对多类型空间特征信息区域进行高语义特征的提取，获得不同类别空间特征信息区域的深度特征。
29、进一步地，所述步骤6具体包括：将不同类别空间特征信息区域的深度特征进行自注意力机制计算，分析不同类别空间特征信息区域的深度特征对面部表情识别的贡献，获得多类型空间特征的表情自我注意力置信度。
30、进一步地，所述步骤7具体包括：设置多特征注意力机制，通过所述多类型空间特征的表情自我注意力置信度，分析多类型空间特征中人口因素空间特征之间的联系，以及人口因素空间特征与面部表情对象特征之间的互补及关联，获得面部多区块特征注意力置信度。
31、进一步地，通过面部多区块特征注意力置信度来衡量不同区块对面部表情任务判断的贡献度，具体过程用如下公式表示：
32、
33、
34、其中：为全部特征区域自适应特征的置信度，为面部表情对象本文档来自技高网...
【技术保护点】
1.一种基于人口特征因素的面部表情识别的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于人口特征因素的面部表情识别的方法，其特征在于，所述步骤1具体包括：对所述图像进行人脸识别，对齐切割，得到切割后的面部表情对象。
3.根据权利要求1所述的一种基于人口特征因素的面部表情识别的方法，其特征在于，所述步骤2具体包括：使用特征约束强化机制来衡量的性别，年龄与种族特征的相互影响置信度，计算性别，年龄与种族特征置信度的过程如公式所示：
4.根据权利要求3所述的一种基于人口特征因素的面部表情识别的方法，其特征在于，将训练完成的人口因素限制性加强特征框架的参数固定，并将所述面部表情对象输入所述框架中，分别提取所述框架中的性别，年龄与种族单独类别的特征热力图，综合特征热力图以及综合特征的反向梯度热力图，将所述性别，年龄与种族单独类别的特征热力图，综合特征热力图以及综合特征的反向梯度热力图共同作为人口因素特性信息空间。
5.根据权利要求4所述的一种基于人口特征因素的面部表情识别的方法，其特征在于，所述步骤4具体包括：将所述面部表情对
6.根据权利要求1所述的一种基于人口特征因素的面部表情识别的方法，其特征在于，所述步骤5具体包括：通过深度学习算法的骨干网络ResNet18分别对多类型空间特征信息区域进行高语义特征的提取，获得不同类别空间特征信息区域的深度特征。
7.根据权利要求6所述的一种基于人口特征因素的面部表情识别的方法，其特征在于，所述步骤6具体包括：将不同类别空间特征信息区域的深度特征进行自注意力机制计算，分析不同类别空间特征信息区域的深度特征对面部表情识别的贡献，获得多类型空间特征的表情自我注意力置信度。
8.根据权利要求1所述的一种基于人口特征因素的面部表情识别的方法，其特征在于，所述步骤7具体包括：设置多特征注意力机制，通过所述多类型空间特征的表情自我注意力置信度，分析多类型空间特征中人口因素空间特征之间的联系，以及人口因素空间特征与面部表情对象特征之间的互补及关联，获得面部多区块特征注意力置信度。
9.根据权利要求8所述的一种基于人口特征因素的面部表情识别的方法，其特征在于，通过面部多区块特征注意力置信度来衡量不同区块对面部表情任务判断的贡献度，具体过程用如下公式表示：
10.根据权利要求1所述的一种基于人口特征因素的面部表情识别的方法，其特征在于，所述步骤8具体包括：将所述面部多区块特征注意力置信度与所对应的区域特征进行非均匀的融合，按区域特征对表情任务共享程度比例进行融合，获得得到面部图像的区块自适应特征，通过面部图像的区块自适应特征对面部表情进行判断。
...【技术特征摘要】
1.一种基于人口特征因素的面部表情识别的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于人口特征因素的面部表情识别的方法，其特征在于，所述步骤1具体包括：对所述图像进行人脸识别，对齐切割，得到切割后的面部表情对象。
3.根据权利要求1所述的一种基于人口特征因素的面部表情识别的方法，其特征在于，所述步骤2具体包括：使用特征约束强化机制来衡量的性别，年龄与种族特征的相互影响置信度，计算性别，年龄与种族特征置信度的过程如公式所示：
4.根据权利要求3所述的一种基于人口特征因素的面部表情识别的方法，其特征在于，将训练完成的人口因素限制性加强特征框架的参数固定，并将所述面部表情对象输入所述框架中，分别提取所述框架中的性别，年龄与种族单独类别的特征热力图，综合特征热力图以及综合特征的反向梯度热力图，将所述性别，年龄与种族单独类别的特征热力图，综合特征热力图以及综合特征的反向梯度热力图共同作为人口因素特性信息空间。
5.根据权利要求4所述的一种基于人口特征因素的面部表情识别的方法，其特征在于，所述步骤4具体包括：将所述面部表情对象与所述人口因素特性信息空间进行纵向连接。
6.根据权利要求1所述的一种基于人口特征因素的面部表情识别的方法，其特征在于，所述步骤5具体包括：通过深度学习算法的骨干网络resn...
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。