[发明专利]一种表情识别方法及装置

权利要求书

1.一种表情识别方法，其特征在于，所述方法包括：

获取待识别图像；

根据所述待识别图像，得到所述待识别图像的图像特征图；

根据所述图像特征图，确定全局特征信息和局部特征信息；

根据所述全局特征信息和所述局部特征信息，确定所述待识别图像的表情类型。

2.根据权利要求1所述的方法，其特征在于，所述方法应用于表情识别模型，所述表情识别模型包括第一神经网络模型；所述根据所述待识别图像，得到所述待识别图像的图像特征图，包括：

将所述待识别图像输入第一神经网络模型，得到所述待识别图像的图像特征图；

其中，所述第一神经网络模型包括若干第一卷积模块，所述若干第一卷积模块依次连接，且每个第一卷积模块包括滤波器、批标准化层、MP模型和激活函数。

3.根据权利要求1所述的方法，其特征在于，所述方法应用于表情识别模型，所述表情识别模型包括全局模型、局部模型；所述根据所述图像特征图，确定全局特征信息和局部特征信息，包括：

将所述图像特征图输入全局模型，得到全局特征信息；

将所述图像特征图输入局部模型，得到局部特征信息。

4.根据权利要求3所述的方法，其特征在于，所述全局模型包括第一卷积层、H-Sigmoid激活函数层、通道注意力模块、空间注意力模块和第二卷积层；所述将所述图像特征图输入全局模型，得到全局特征信息，包括：

将所述图像特征图输入所述第一卷积层，得到第一特征图；

将所述第一特征图输入所述H-Sigmoid激活函数层，得到第二特征图；

将所述第二特征图输入所述通道注意力模块，得到通道注意力图；

将所述通道注意力图输入到所述空间注意力模块，得到空间注意力图；

将所述空间注意力图输入到所述第二卷积层，得到所述全局特征信息。

5.根据权利要求3所述的方法，其特征在于，所述局部模型包括N个局部特征提取卷积层、注意力模块，其中，N为大于1的正整数；所述将所述图像特征图输入局部模型，得到局部特征信息，包括：

根据所述图像特征图，生成N个局部图像块；

分别将各个局部图像块输入各个局部特征提取卷积层，得到N个局部特征图；

将所述N个局部特征图输入所述注意力模块，得到局部特征信息。

6.根据权利要求5所述的方法，其特征在于，所述注意力模块包括池化层、第二卷积模块、N个第三卷积层和归一化层；所述将所述N个局部特征图输入所述注意力模块，得到局部特征信息，包括：

将所述N个局部特征图进行融合，得到融合特征图；

将所述融合特征图输入所述池化层，得到池化特征图；

将所述池化特征图输入所述第二卷积模块，得到处理局部特征图；

将所述处理局部特征图分别输入各个第三卷积层，得到N个子局部特征图；

针对每个子局部特征图，将该子局部特征图输入归一化层，得到该子局部特征图对应的权重值；根据该子局部特征图对应的权重值和局部特征图，得到该子局部特征图对应的局部特征图；

将N个局部特征图进行融合，得到局部特征信息。

7.根据权利要求5所述的方法，其特征在于，所述根据所述全局特征信息和所述局部特征信息，确定所述待识别图像的表情类型，包括：

将所述全局特征信息输入第一全局平均池化层，得到全局池化特征信息；

将所述局部特征信息输入第二全局平均池化层，得到局部池化特征信息；

将所述全局池化特征信息和所述局部池化特征信息输入全连接层，得到所述待识别图像的表情类型。