[发明专利]用户面部表情识别方法、装置和设备有效
申请号: | 202210541431.3 | 申请日: | 2022-05-19 |
公开(公告)号: | CN114648802B | 公开(公告)日: | 2022-08-23 |
发明(设计)人: | 周波;陈永刚;苗瑞;邹小刚;梁书玉 | 申请(专利权)人: | 深圳市海清视讯科技有限公司 |
主分类号: | G06V40/16 | 分类号: | G06V40/16;G06V10/764;G06V10/80;G06V10/82;G06N3/04;G06K9/62 |
代理公司: | 北京同立钧成知识产权代理有限公司 11205 | 代理人: | 张宁;臧建明 |
地址: | 518000 广东省深圳市宝安区*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用户 面部 表情 识别 方法 装置 设备 | ||
1.一种用户面部表情识别方法,其特征在于,所述方法包括:
获取目标对象的待处理图像,并对所述待处理图像进行卷积处理,确定所述待处理图像的第一特征图,其中,所述第一特征图表征所述待处理图像的基础特征信息;
重复执行以下步骤,直至达到预设条件:
基于预设的1×1卷积核,对所述第一特征图中每一像素点进行卷积处理,获取所述第一特征图中每一像素点的特征映射信息;对每一像素点的特征映射信息进行上采样和下采样处理,确定并强化每一像素点的关键特征信息,确定第二特征图,其中,所述第一特征图中包括有N×N个像素点,N为大于1的正整数;对所述第一特征图中每一像素点进行卷积处理和激活处理,提取所述特征图中每一像素点的关联特征信息,确定第三特征图;对所述第一特征图、所述第二特征图以及所述第三特征图进行特征融合处理,确定第四特征图,将所述第四特征图确定为新的第一特征图;其中,所述预设条件为预设最大深层特征信息提取次数;达到预设条件时的第一特征图为最终特征图;
根据所述最终特征图,确定所述待处理图像的分类识别结果。
2.根据权利要求1所述的方法,其特征在于,对所述第一特征图中每一像素点进行卷积处理和激活处理,提取所述特征图中每一像素点的关联特征信息,确定第三特征图,包括:
对所述第一特征图进行深度可分离卷积处理,并根据第一预设激活函数对每一像素点进行逐通道激活,提取每一像素点的关联特征信息,确定第三特征图。
3.根据权利要求2所述的方法,其特征在于,所述第一预设激活函数具有线性参数,所述线性参数用于对每一像素点进行逐通道激活,获取每一像素点的关联特征信息。
4.根据权利要求1-3任一项所述的方法,其特征在于,根据所述最终特征图,确定所述待处理图像的分类识别结果,包括:
对所述最终特征图进行池化处理,并根据第二预设激活函数确定所述待处理图像的识别预测信息,确定所述待处理图像的分类识别结果。
5.一种用户面部表情识别装置,其特征在于,所述装置包括:
第一确定单元,用于获取目标对象的待处理图像,并对所述待处理图像进行卷积处理,确定所述待处理图像的第一特征图,其中,所述第一特征图表征所述待处理图像的基础特征信息;
处理单元,用于:重复执行以下步骤,直至达到预设条件:
基于预设的1×1卷积核,对第一特征图中每一像素点进行卷积处理,获取第一特征图中每一像素点的特征映射信息;对每一像素点的特征映射信息进行上采样和下采样处理,确定并强化每一像素点的关键特征信息,确定第二特征图,其中,所述第一特征图中包括有N×N个像素点,N为大于1的正整数;对所述第一特征图中每一像素点进行卷积处理和激活处理,提取所述特征图中每一像素点的关联特征信息,确定第三特征图;对所述第一特征图、所述第二特征图以及所述第三特征图进行特征融合处理,确定第四特征图,将所述第四特征图确定为新的第一特征图;其中,所述预设条件为预设最大深层特征信息提取次数;达到预设条件时的第一特征图为最终特征图,所述最终特征图包括所述基础特征信息和所述深层特征信息;
第二确定单元,用于根据所述最终特征图,确定所述待处理图像的分类识别结果。
6.一种电子设备,其特征在于,所述电子设备包括:存储器,处理器;
所述存储器用于存储计算机执行指令;
所述处理器用于读取所述存储器存储的计算机执行指令,并根据所述存储器中的计算机执行指令执行如权利要求1-4任一项所述的方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-4任一项所述的方法。
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深圳市海清视讯科技有限公司,未经深圳市海清视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/202210541431.3/1.html,转载请声明来源钻瓜专利网。