[发明专利]表情识别方法、装置、设备及计算机存储介质在审

专利信息
申请号: 202011481845.9 申请日: 2020-12-15
公开(公告)号: CN112560678A 公开(公告)日: 2021-03-26
发明(设计)人: 王珂尧 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06N3/04
代理公司: 北京市铸成律师事务所 11313 代理人: 阎敏;杨瑾瑾
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 表情 识别 方法 装置 设备 计算机 存储 介质
【说明书】:

本申请公开了表情识别方法、装置、设备及计算机存储介质,涉及人工智能、计算机视觉等深度学习技术领域。具体实现方案为:根据包含人脸图像的目标图像获得输入数据;将所述输入数据输入表情识别模型的二维卷积神经网络层,获得第一识别结果;将所述第一识别结果输入表情识别模型的三维卷积神经网络层,获得第二识别结果;根据所述第二识别结果,确定所述目标图像的人脸表情类型。本申请实施例能够在提高表情识别准确性的基础上,保证较高的表情识别效率。

技术领域

本申请涉及计算机技术领域,尤其涉及计算机视觉、深度学习等人工智能领域。

背景技术

随着图像处理技术的发展,通过图像可以获得很多信息,比如人脸识别信息、表情识别信息等。

表情识别是指从给定的静态图像或动态视频序列中分离出特定的表情状态,从而确定被识别对象的心理情绪。表情识别技术可以应用于多种领域,具有广阔的发展前景。如何更为准确地识别表情、快速得到表情识别结果,是表情识别技术的一个重要的研究方向。

发明内容

本申请提供了一种表情识别方法、装置、设备以及计算机存储介质。

根据本申请的一方面,提供了一种表情识别方法,包括:

根据包含人脸图像的目标图像获得输入数据;

将输入数据输入表情识别模型的二维(2D)卷积神经网络层,获得第一识别结果;

将第一识别结果输入表情识别模型的三维(3D)卷积神经网络层,获得第二识别结果;

根据第二识别结果,确定帧图像的人脸表情类型。

根据本申请的另一方面,提供了一种表情识别装置,包括:

输入数据获得模块,用于根据包含人脸图像的目标图像获得输入数据;

第一识别模块,用于将输入数据输入表情识别模型的二维卷积神经网络层,获得第一识别结果;

第二识别模块,用于将第一识别结果输入表情识别模型的三维卷积神经网络层,获得第二识别结果;

表情类型确定模块,用于根据第二识别结果,确定帧图像的人脸表情类型。

根据本申请的又一方面,提供了一种电子设备,包括:

至少一个处理器;以及

与至少一个处理器通信连接的存储器;其中,

存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本申请任意一项实施例所提供的方法。

根据本申请的又一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现上述方法。

根据本申请的又一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行本申请任意一项实施例所提供的方法。

本申请实施例能够结合二维卷积和三维卷积对目标图像进行处理,使得模型不仅能够获得图像中的时空信息,且二维卷积神经网络层处理的输入数据后,待三维卷积神经网络层处理的数据量大幅度减少,使得表情识别过程处理速率大幅提升。

应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案,不构成对本申请的限定。其中:

图1是根据本申请一实施例的表情识别方法示意图;

图2是根据本申请另一实施例的表情识别方法示意图;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,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/202011481845.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top