[发明专利]一种情绪识别方法、装置以及存储介质

权利要求书

1.一种情绪识别方法，其特征在于，包括如下步骤：

S1：导入多个情绪样本图片，分别对多个所述情绪样本图片进行筛选分析，得到与所述情绪样本图片对应的困难样本图片；

S2：基于卷积神经网络，通过所述卷积神经网络分别对多个所述困难样本图片进行困难样本图片的特征提取，得到与所述困难样本图片对应的困难样本特征；

S3：基于情绪分类模型，根据多个所述困难样本特征对所述情绪分类模型进行训练，得到情绪识别模型；

S4：将多个所述困难样本特征输入至所述情绪识别模型进行识别，得到识别结果。

2.根据权利要求1所述的情绪识别方法，其特征在于，所述步骤S1中，分别对多个所述情绪样本图片进行筛选分析，得到与所述情绪样本图片对应的困难样本图片的过程包括：

通过所述卷积神经网络分别对多个所述情绪样本图片进行情绪样本图片的特征提取，得到与所述情绪样本图片对应的情绪样本特征；

通过所述情绪分类模型分别对多个所述情绪样本特征进行情绪样本特征的分类处理，得到与所述情绪样本图片对应的第一分类概率；

导入与所述情绪样本图片对应的标签，分别计算多个所述第一分类概率和与所述第一分类概率对应的标签的损失值，得到与所述情绪样本图片对应的第一损失值；

当所述第一损失值大于预设困难样本判断值时，则将所述第一损失值对应的情绪样本图片作为困难样本图片。

3.根据权利要求1所述的情绪识别方法，其特征在于，所述步骤S3的过程包括：

通过GRU门控循环单元分别对多个所述困难样本特征进行解码，得到与所述困难样本特征对应的多个情绪分数；

分别筛选与所述困难样本特征对应的多个情绪分数的最大值，筛选后得到与所述困难样本特征对应的最大情绪分数；

通过情绪分类模型分别对多个所述最大情绪分数进行最大情绪分数的分类处理，得到与所述困难样本特征对应的分类概率；

分别计算多个所述分类概率的损失值，得到与所述困难样本特征对应的第二损失值；

对多个所述第二损失值进行判断分析，得到情绪识别模型。

4.根据权利要求3所述的情绪识别方法，其特征在于，所述通过情绪分类模型分别对多个所述最大情绪分数进行最大情绪分数的分类处理，得到与所述困难样本特征对应的分类概率的过程包括：

通过第一式分别对多个所述最大情绪分数进行最大情绪分数的计算，得到与所述困难样本特征对应的分类概率，所述第一式为：

Pi＝Eimax/100，

其中，Pi为第i个困难样本图片对应的分类概率，Eimax为第i个困难样本图片对应的最大情绪分数。

5.根据权利要求3所述的情绪识别方法，其特征在于，所述分别计算多个所述分类概率的损失值，得到与所述困难样本特征对应的第二损失值的过程包括：

通过第二式分别计算多个所述分类概率的损失值，得到与所述困难样本特征对应的第二损失值，第二式为：

FLi＝-(1-Pi)^γlog(Pi)，

其中，FLi为第i个困难样本图片对应的第二损失值，Pi为第i个困难样本特征对应的分类概率，γ为参数，γ1，且γ为整数。

6.根据权利要求3所述的情绪识别方法，其特征在于，所述对多个所述第二损失值进行判断分析，得到情绪识别模型的过程包括：

判断所有的第二损失值是否均小于预设情绪识别阈值，若是，则将所述情绪分类模型作为情绪识别模型；若否，则根据多个所述第二损失值对所述情绪分类模型进行参数更新，并返回步骤S2。