[发明专利]基于深度学习的人群高兴程度识别方法

摘要

本发明公开了一种基于深度学习的人群高兴程度识别方法，首先将人工标注的单个人脸图像做分类和图像尺寸归一化处理，得到人脸高兴程度数据库和人脸遮挡程度数据库，再分别将它们分为训练集和验证集，用于训练卷积神经网络，然后利用训练好的网络模型对输入的一幅合影图像中的人脸进行高兴程度和遮挡程度的识别，最后采用人脸高兴程度加权的方式计算出图像中的人群高兴程度。采用深度学习对图像中的群体表情进行分析，相比于传统提取PHOG、Gabor特征的方法要更准确，为解决图像中的人群情感识别问题提拱了新的思路和途径。

主权项

基于深度学习的人群高兴程度识别方法，其特征在于，包括以下步骤：步骤A)，将由人工标注的单个人脸图像，按照标签分类并对图像大小归一化后，得到人脸高兴程度数据库和人脸遮挡程度数据库，将它们分别分为训练集和验证集并进行预处理操作；步骤B)，分别构建用于识别人脸高兴程度和人脸遮挡程度的卷积神经网络；步骤C)，对步骤B)中构建的两个卷积神经网络进行初始学习率、权重衰减系数、训练迭代次数的设置后，将经过预处理操作后的人脸高兴程度和人脸遮挡程度样本分别对应输入所述两个卷积神经网络，得到用于识别人脸高兴程度和人脸遮挡程度的网络模型；步骤D)，将需要进行人群高兴程度识别的合影图像输入至所述用于识别人脸高兴程度和人脸遮挡程度的网络模型中，得到该合影图像中每张人脸fi的高兴程度IHi和遮挡程度qi；然后采用人脸高兴程度加权的方式计算出该合影图像中的人群高兴程度。