[发明专利]人脸微表情识别方法、装置、设备及存储介质

权利要求书

1.一种人脸微表情识别方法，其特征在于，所述方法包括：

将第一预设数量的未标注人脸信息的人脸图像输入预训练模型，使得所述预训练模型对未标注人脸信息的人脸图像基于至少两个预设人脸特征预测任务进行人脸语义学习，得到人脸语义识别模型；

将第二预设数量的标注了人脸微表情的人脸图像输入所述人脸语义识别模型，使得所述人脸语义识别模型对标注了人脸微表情的人脸图像进行学习，得到人脸微表情识别模型；其中，所述第二预设数量小于所述第一预设数量；

基于所述人脸微表情识别模型对目标图像进行人脸识别，得到目标图像中的人脸微表情。

2.根据权利要求1所述的人脸微表情识别方法，其特征在于，所述预训练模型包括模型主体部分和与模型主体部分相连接的全链接层和损失函数；所述将第一预设数量的未标注人脸信息的人脸图像输入预训练模型，使得所述预训练模型对未标注人脸信息的人脸图像基于至少两个预设人脸特征预测任务进行人脸语义学习，得到人脸语义识别模型，包括：

将第一预设数量的未标注人脸信息的人脸图像输入所述预训练模型，使得所述模型主体部分提取所述人脸图像包含的人脸特征，对所述人脸特征进行卷积计算，得到权重矩阵；

通过所述全链接基于至少两个所述预设人脸特征预测任务，将所述权重矩阵与偏置项相加并进行映射，得到所述人脸特征预测任务对应的预测分值，所述偏置项为与所述预设人脸特征预测任务相关的值；

通过所述损失函数对所述预测分值进行二次映射，得到与所述预设人脸特征预测任务相对应的预测概率值。

3.根据权利要求1或2所述的人脸微表情识别方法，其特征在于，所述预设人脸特征预测任务包括人脸特征分割任务、人脸特征排序任务、人脸特征转换任务中的至少一种。

4.根据权利要求3所述的人脸微表情识别方法，其特征在于，所述至少两个预设人脸特征预测任务包括第一预设人脸特征预测任务和第二预设人脸特征预测任务；所述使得所述预训练模型对未标注人脸信息的人脸图像基于至少两个预设人脸特征预测任务进行人脸语义学习，得到人脸语义识别模型，包括：

基于所述第一预设人脸特征预测任务，对所述预训练模型基于输入的人脸图像进行人脸特征排序训练，直至所述预训练模型输出的第一预测值大于预设第一预测阈值；

基于所述第二预设人脸特征预测任务，对所述预训练模型基于输入的人脸图像进行三通道颜色预测训练，直至所述预训练模型输出的第二预测值大于预设第二预测阈值。

5.根据权利要求4所述的人脸微表情识别方法，其特征在于，所述第一预设人脸特征预测任务包括人脸特征分割任务和人脸特征排序任务；

基于所述第一预设人脸特征预测任务，对所述预训练模型基于输入的人脸图像进行人脸特征排序训练，直至所述预训练模型输出的第一预测值大于预设第一预测阈值，包括：

基于所述人脸特征分割任务，对所述预训练模型基于输入的人脸图像进行人脸分割训练，得到所述预训练模型输出多个分割后的人脸子图像；

基于所述人脸特征排序任务，对所述预训练模型基于所述人脸子图像进行人脸特征排序训练，直至所述预训练模型输出的第一预测值大于预设第一预测阈值。

6.根据权利要求4所述的人脸微表情识别方法，其特征在于，所述第二预设人脸特征预测任务包括人脸特征转换任务；

基于所述第二预设人脸特征预测任务，对所述预训练模型基于输入的人脸图像进行三通道颜色预测训练，直至所述预训练模型输出的第二预测值大于预设第二预测阈值，包括：

基于所述人脸特征转换任务，在所述预训练模型中对输入的人脸图像进行通道转换以及颜色填充，直至所述预训练模型输出的第二预测值大于预设第二预测阈值。

7.根据权利要求1所述的人脸微表情识别方法，其特征在于，所述将第二预设数量的标注了人脸微表情的人脸图像输入所述人脸语义识别模型，使得所述人脸语义识别模型对标注了人脸微表情的人脸图像进行学习，得到人脸微表情识别模型，包括：

将第二预设数量的标注了人脸微表情的人脸图像输入所述人脸语义识别模型，基于微调或者迁移学习的方式对所述人脸语义识别模型进行再学习训练，得到所述人脸微表情识别模型。