[发明专利]基于迁移学习的暗光源表情识别方法及装置有效
| 申请号： | 201810065194.1 | 申请日： | 2018-01-23 |
| 公开（公告）号： | CN108280426B | 公开（公告）日： | 2022-02-25 |
| 发明（设计）人： | 罗韵 | 申请（专利权）人： | 山东极视角科技有限公司;深圳润艺文化发展有限公司 |
| 主分类号： | G06V40/16 | 分类号： | G06V40/16 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 王宝筠 |
| 地址： | 266000 山东省青岛市*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 迁移 学习 光源 表情 识别 方法 装置 | ||
1.一种基于迁移学习的暗光源表情识别的方法，其特征在于，包括：
服务器接收摄像头拍摄的图像信息，所述图像信息中包含有第一人脸数据；
所述服务器将所述图像信息输入至第一人脸识别模型；
所述服务器将所述第一人脸识别模型转换为第二人脸识别模型；
所述服务器从所述第二人脸识别模型输出第二人脸数据；
所述服务器将所述第二人脸数据输入至表情识别模型；
所述服务器利用所述表情识别模型输出所述第二人脸数据所具有的表情；
其中，所述服务器将所述第一人脸识别模型转换为第二人脸识别模型包括：
所述服务器将所述第一人脸识别模型从三原色RGB空间转换到六角锥模型HSV空间，得到预处理人脸识别模型；
所述服务器去除所述预处理人脸识别模型中的亮度V向量空间的特征，得到所述第二人脸识别模型。
2.根据权利要求1所述的方法，其特征在于，所述服务器将所述第一人脸识别模型从三原色RGB空间转换到六角锥模型HSV空间，得到预处理人脸识别模型包括：
所述服务器在迁移网络下将所述第一人脸识别模型从三原色RGB空间转换到六角锥模型HSV空间，得到预处理人脸识别模型，所述迁移网络是将最大均值差异MMD作为目标函数进行训练得到。
3.根据权利要求1至2中任一项所述的方法，其特征在于，所述第一人脸识别模型为利用深度学习算法计算得到的模型。
4.根据权利要求3所述的方法，其特征在于，所述第一人脸识别模型为利用可变形部件模型DPM算法计算得到的模型。
5.根据权利要求1至2中任一项所述的方法，其特征在于，所述服务器利用所述表情识别模型输出所述第二人脸数据所具有的表情包括：
所述服务器利用所述表情识别模型输出所述第二人脸数据为所述表情识别模型中已分类的每种表情类型的概率；
所述服务器选择最大概率的表情类型作为所述第二人脸数据所具有的表情。
6.根据权利要求5所述的方法，其特征在于，所述表情识别模型为输出为64维的FaceNet神经网络模型。
7.一种基于迁移学习的暗光源表情识别装置，其特征在于，包括：
接收单元，用于接收摄像头拍摄的图像信息，所述图像信息中包含有第一人脸数据；
第一输入单元，用于将所述图像信息输入至第一人脸识别模型；
转换单元，用于将所述第一人脸识别模型转换为第二人脸识别模型；
第一输出单元，用于从所述第二人脸识别模型输出第二人脸数据；
第二输入单元，用于将所述第二人脸数据输入至表情识别模型；
第二输出单元，用于利用所述表情识别模型输出所述第二人脸数据所具有的表情；
其中，所述转换单元具有用于将所述第一人脸识别模型从三原色RGB空间转换到六角锥模型HSV空间，得到预处理人脸识别模型；去除所述预处理人脸识别模型中的亮度V向量空间的特征，得到所述第二人脸识别模型。
8.根据权利要求7所述的基于迁移学习的暗光源表情识别装置，其特征在于，所述转换单元具体用于在迁移网络下将所述第一人脸识别模型从三原色RGB空间转换到六角锥模型HSV空间，得到预处理人脸识别模型，所述迁移网络是将最大均值差异MMD作为目标函数进行训练得到。
9.根据权利要求7至8中任一项所述的基于迁移学习的暗光源表情识别装置，其特征在于，所述第一人脸识别模型为利用深度学习算法计算得到的模型。
10.根据权利要求9所述的基于迁移学习的暗光源表情识别装置，其特征在于，所述第一人脸识别模型为利用可变形部件模型DPM算法计算得到的模型。
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山东极视角科技有限公司;深圳润艺文化发展有限公司，未经山东极视角科技有限公司;深圳润艺文化发展有限公司许可，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/201810065194.1/1.html，转载请声明来源钻瓜专利网。
