[发明专利]基于人工智能的微表情识别方法、装置、设备及存储介质

说明书

本申请实施例属于人工智能领域，涉及一种基于人工智能的微表情识别方法，包括：获取待识别的微表情图像，将微表情图像输入至的深度神经网络模型内的第一输入层；基于机器视觉算法对微表情图像进行特征提取得到微表情组合特征；通过堆叠降噪自编码网络对微表情组合特征进行降噪处理，得到微表情特征向量；通过深度堆叠网络对微表情特征向量进行特征提取，得到的目标微表情特征向量；通过分类器对目标微表情特征向量进行分类识别处理，生成微表情识别结果。本申请还提供一种基于人工智能的微表情识别装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，微表情识别结果可存储于区块链中。本申请能够保证生成的微表情识别结果的识别精确度。

技术领域

本申请涉及人工智能开发技术领域，尤其涉及基于人工智能的微表情识别方法、装置、计算机设备及存储介质。

背景技术

表情作为人类情绪的最直观反应之一，可以产生很重要的研究和经济价值，比如心理研究，保险风控，司法审判。在过去的数十年，表情的研究识别得到的重大的发展。近年来，随着互联网的行业的快速发展，带动人工智能的发展，表情识别中的特殊表情，微表情识别也成为了新的研究热点。

微表情是一直由人类本身的情绪自发的表现出来的一种表情，与普通的表情相比，其存在无法抑制，内心真实表现，无法伪造等特点，因此也具备更大经济价值。另一方面，微表情作为内心向外界传递信息的表情，其存在的时间非常之短,脸部的表情动作的时间大概存在零点几秒之内的时间，并且动作幅度非常之小，比一般的表情识别更具备挑战性。这些特点显示了对微表情的特征提取是十分困难的。

目前，通常使用解析纹理特征、结合时序动态信息的特征提取算法等处理方式来进行微表情识别。解析纹理特征的处理方式通过方向梯度直方图特征的识别算法和纹理特征，进而提取局部表情，实现表情分类。结合时序动态信息的特征提取算法，通过分析微表情面部动态方向，提取的面部动态图，提出主方向平均光流算法。通过光流算法，计算脸部区域关键位置，如眼睛，嘴巴等的光应变，进而实现微表情识别。这些微表情识别方法，在过去数据量少的情况下，可以取得一定的效果。但是随着现在大数据时代的来临，这些微表情识别方法，并不能完全有效的提取微表情的特征，从而无法得到很好的识别效果，导致微表情的识别精确度较低。

发明内容

本申请实施例的目的在于提出一种基于人工智能的微表情识别方法、装置、计算机设备及存储介质，以解决现有的微表情识别方法，并不能完全有效的提取微表情的特征，从而无法得到很好的识别效果，导致微表情的识别精确度较低的技术问题。

为了解决上述技术问题，本申请实施例提供一种基于人工智能的微表情识别方法，采用了如下所述的技术方案：

获取待识别的微表情图像，并将所述微表情图像输入至预先构建的深度神经网络模型内的第一输入层；

基于预设的机器视觉算法对第一输入层中的所述微表情图像进行特征提取，从所述微表情图像中提取出微表情组合特征；

将所述微表情组合特征输入至所述深度神经网络模型内的堆叠降噪自编码网络，通过所述堆叠降噪自编码网络对所述微表情组合特征进行降噪处理，得到对应的微表情特征向量；

将所述微表情特征向量输入至所述深度神经网络模型内的深度堆叠网络，通过所述深度堆叠网络对所述微表情特征向量进行特征提取，得到对应的目标微表情特征向量；

将所述目标微表情特征向量输入至所述深度神经网络模型内的分类器，通过所述分类器对所述目标微表情特征向量进行分类识别处理，生成与所述微表情图像对应的微表情识别结果。

进一步的，所述基于预设的机器视觉算法对第一输入层中的所述微表情图像进行特征提取，从所述微表情图像中提取出微表情组合特征的步骤，具体包括：

基于所述机器视觉算法对第一输入层中的所述微表情图像进行切块处理，得到对应的切块数据；其中，所述切块数据的数量包括多个；