[发明专利]基于迁移学习的暗光源表情识别方法及装置

说明书

本申请实施例公开了基于迁移学习的暗光源表情识别方法及装置，用于根据平衡图像光源准确识别出人脸并进行表情识别，提高了人脸识别模型识别人脸的正确率。本申请实施例方法包括：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。

技术领域

本申请涉及人脸识别技术，特别涉及人脸表情识别技术。

背景技术

人脸表情是人类交流的一种有效表达方式，影视剧娱乐公司为了促进文化和自身公司的商业发展，提升公演和播放的影视剧作品的价值至关重要，其中，通过分析观众在观剧时的表情能够有助于公司自身制定更好的战略，并且，通过分析表演过程中观众在观看精彩或失误的片段时的表情，能够促进影视剧作品以及表演者演技的进一步提升。这就需要在环境昏暗、光照闪烁不定的剧场环境中，对观众的表情进行准确的识别。

现有的计算机视觉领域，对图像中的人脸识别是在颜色空间下对图像中的人脸进行识别，最常用的颜色空间是三原色RGB(red/green/blue)空间，RGB空间也可称为RGB模型，其常用于颜色显示和图像处理，是三维坐标的模型形式，以三种基本色为基础，对图像进行不同程度的叠加，产生丰富而广泛的颜色。

然而，RGB模型对光线的亮暗程度比较敏感，容易受到光线变化的影响，导致在RGB模型中通过人脸识别模型对人脸识别的正确率低下。

发明内容

本申请实施例提供了基于迁移学习的暗光源表情识别的方法以及装置，能够在对人脸识别模型进行了转换后，准确识别出人脸并进行表情识别，提高了人脸识别模型识别人脸的正确率。

本申请实施例提供了一种基于迁移学习的暗光源表情识别的方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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；