[发明专利]人脸情绪识别方法、装置、计算机设备及存储介质

说明书

本发明公开了一种人脸情绪识别方法、装置、计算机设备及存储介质，首先获取待检测视频数据，从待检测视频数据中提取至少一幅待检测人脸图像；采用人脸检测算法对待检测人脸图像进行检测，得到待检测视频数据的N个目标人脸图像区域，其中，N为正整数；根据N个目标人脸图像区域对待检测视频数据进行视频截取，得到N个待识别人脸视频数据；将N个待识别人脸视频数据输入到人脸情绪识别模型中进行识别，得到待检测视频中的N个人脸情绪信息，其中，所述人脸情绪识别模型为采用卷积神经网络‑长短时递归神经网络模型训练得到的。该方法直接对视频数据进行识别，避免了单帧画面代表的信息不足，保证了人脸情绪识别的准确性。

技术领域

本发明涉及微表情识别领域，尤其涉及一种人脸情绪识别方法、装置、计算机设备及存储介质。

背景技术

随着人工智能技术的不断发展，在很多领域中都会采用微表情识别技术来作为辅助工具或着辅助手段。然而目前在对人脸进行微表情检测时大多通过单幅图像或者一段视频中的单帧画面进行检测，而人脸情绪存在一个变化过程，通过单帧画面不能准确地反映视频中人脸情绪的情况，因此对人脸情绪识别的识别准确性较差。

发明内容

本发明实施例提供一种人脸情绪识别方法、装置、计算机设备及存储介质，以解决人脸情绪识别过程中识别准确性不高的问题。

一种人脸情绪识别方法，包括：

获取待检测视频数据，从所述待检测视频数据中提取至少一幅待检测人脸图像；

采用人脸检测算法对所述待检测人脸图像进行检测，得到所述待检测视频数据的N个目标人脸图像区域，其中，N为正整数；

根据N个所述目标人脸图像区域对所述待检测视频数据进行视频截取，得到N个待识别人脸视频数据；

将N个所述待识别人脸视频数据输入到人脸情绪识别模型中进行识别，得到所述待检测视频数据中的N个人脸情绪信息，其中，所述人脸情绪识别模型为采用卷积神经网络-长短时递归神经网络模型训练得到的。

一种人脸情绪识别装置，包括：

待检测视频数据获取模块，用于获取待检测视频数据，从所述待检测视频数据中提取至少一幅待检测人脸图像；

目标人脸图像区域获取模块，用于采用人脸检测算法对所述待检测人脸图像进行检测，得到所述待检测视频数据的N个目标人脸图像区域，其中，N为正整数；

待识别人脸视频数据截取模块，用于根据N个所述目标人脸图像区域对所述待检测视频数据进行视频截取，得到N个待识别人脸视频数据；

人脸情绪信息获取模块，用于将N个所述待识别人脸视频数据输入到人脸情绪识别模型中进行识别，得到所述待检测视频数据中的N个人脸情绪信息，其中，所述人脸情绪识别模型为采用卷积神经网络-长短时递归神经网络模型训练得到的。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述人脸情绪识别方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述人脸情绪识别方法的步骤。