[发明专利]一种人脸图像的笑脸识别方法及其装置有效
| 申请号: | 201510868158.5 | 申请日: | 2015-12-01 |
| 公开(公告)号: | CN105512624B | 公开(公告)日: | 2019-06-21 |
| 发明(设计)人: | 黄永祯;谭铁牛;王亮;张凯皓 | 申请(专利权)人: | 天津中科智能识别产业技术研究院有限公司 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00;G06N3/08 |
| 代理公司: | 天津市三利专利商标代理有限公司 12107 | 代理人: | 闫俊芬 |
| 地址: | 300457 天津市滨*** | 国省代码: | 天津;12 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 图像预处理单元 人脸图像 网络建立单元 人脸图片 提取单元 图像识别 网络训练 卷积神经网络 工作效率 功能要求 判断单元 人物图像 识别装置 有效地 人脸 检测 节约 保证 | ||
本发明公开了一种人脸图像的笑脸识别装置,包括:图像识别提取单元,用于对于需要笑脸识别的多张人物图像,检测人脸的位置,并识别提取其中的人脸图像,然后发送给图像预处理单元;图像预处理单元,与图像识别提取单元相连接;网络建立单元,用于建立卷积神经网络;网络训练单元,分别与网络建立单元、图像预处理单元相连接;识别判断单元,分别与网络训练单元、图像预处理单元相连接,用于将笑脸识别操作。此外,本发明还公开了一种人脸图像的笑脸识别方法。本发明其可以在保证对人脸图片进行高质量笑脸识别的同时,快速、有效地对大量的人脸图片中笑脸进行准确识别判断,满足用户对笑脸识别功能要求,提高用户工作效率,节约人们宝贵的时间。
技术领域
本发明涉及模式识别和计算机视觉等技术领域,特别是涉及一种人脸图像的笑脸识别方法及其装置。
背景技术
目前,随着人类科学技术的不断发展,人脸识别技术在人们日常生活中越来越普及,无论在人工智能研究还是公共安全应用方面,人脸识别技术一直是一项前沿、热门技术,拥有举足轻重的地位。
其中,人脸识别技术中的笑脸识别,是计算机视觉技术领域中一个非常重要的内容,伴随着诸如人脸支付、情感分析、医疗监护等应用需求的增长,笑脸识别作为完成人机交互的重要组成部分,获得了越来越多人的关注,这就促使全球科研人员加大力度来笑脸识别技术。
目前,一些传统的方法是首先提取人脸的多种低水平特征,然后通过复杂的融合方式将多种低水平特征进行融合,最后送入分类器中进行笑脸分类判断。然而,这些手工设计的低水平特征表达,无法很好的表达出人脸中蕴含的表情信息,而且识别速度低,需要花费较多的时间,且识别准确度差,因此不利于实现笑脸识别,无法满足用户对笑脸识别功能的需求,严重降低用户的使用感受。
因此,目前迫切需要开发出一种技术,其可以在保证对人脸图片进行高质量笑脸识别的同时,快速、有效地对大量的人脸图片中笑脸进行识别判断,满足用户对笑脸识别功能的要求,提高用户的工作效率,节约人们宝贵的时间。
发明内容
有鉴于此,本发明的目的是提供一种人脸图像的笑脸识别方法及其装置,其可以在保证对人脸图片进行高质量笑脸识别的同时,快速、有效地对大量的人脸图片中笑脸进行准确识别判断,满足用户对笑脸识别功能的要求,提高用户的工作效率,节约人们宝贵的时间,有利于提高用户的产品使用感受,具有重大的生产实践意义。
为此,本发明提供了一种人脸图像的笑脸识别方法,包括步骤:
第一步:对于需要笑脸识别的多张人物图像,检测人脸的位置,并识别提取其中的人脸图像;
第二步:将所提取的人脸图像缩放成预设尺寸大小的人脸图像,并转换处理成灰度图,以及为每张所述人脸图像赋予预设类别的表情标签信息;
第三步:建立卷积神经网络,所述卷积神经网络包括依次对所输入人脸图像进行处理的输入层、预设多个卷积层、预设多个全连接层和输出层;
第四步:对所述卷积神经网络进行训练,扩大具有不同类别表情标签信息的多个人脸图像之间的表情特征差异性,同时减少具有相同类别表情标签信息的多个人脸图像之间的表情特征差异性;
第五步:将已处理成灰度图并缩放预设尺寸的、待笑脸识别的每张人脸图像都输入到完成训练的卷积神经网络中,由所述卷积神经网络提取该人脸图像的表情特征值并送入到分类器进行笑脸判断分类,实现笑脸识别操作。
其中,在第二步中,所述预设类别的人脸表情标签信息包括微笑标签信息和非微笑标签信息。
其中,所述卷积神经网络包括一个输入层、四个卷积层、一个全连接层和一个输出层。
其中,在所述第四步中,对所述卷积神经网络进行训练的步骤具体为:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津中科智能识别产业技术研究院有限公司,未经天津中科智能识别产业技术研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510868158.5/2.html,转载请声明来源钻瓜专利网。





