[发明专利]一种基于自适应特征选择的情感状态检测方法

摘要

本发明公开了一种基于自适应特征选择的情感状态检测方法，属于计算机视觉技术邻域。本发明基于自适应特征选择可以有效地约束特征之间的类内距离与类间距离，有效减少特征之间的冗余信息和噪声，提取的特征图具有一定的鲁棒性，能够区别较为相似的类别。相比传统的算法，该方案能够更有效地对室内场景下多人的情感状态进行检测，且具有更高的精度和实时性。本发明可用于识别老年人的情感状态，通过移动终端的摄像头实时捕捉室内场景下的视频和图像数据，再基于内嵌的处理方式，利用深度神经网络实时计算自适应特征，准确快速的识别老年人的情感状态。

主权项

1.一种基于自适应特征选择的情感状态检测方法，其特征在于，包括下列步骤：构建情感状态检测器步骤：构建包括顺次连接的输入层、特征提取网络、全连接层和输出层的情感状态检测网络模型；其中，输入层用于输入待检测人物图像；特征提取网络用于提取待检测人物图像的特征图；全连接层用于对特征图进行向量化处理，得到特征图的特征向量；输出层用于计算归一化特征向量和不同情感状态类别的归一化权重之间的余弦角度，作为当前待检测人物图像对应不同情况状态类别的检测分值；训练情感状态检测网络模型时，在全连接层后引入辅助损失层，用于计算辅助损失Ln，训练时最终的损失结果L＝LAM+λLn，其中权值λ的取值范围为(0,1)，其中LAM表示附近边界损失；通过对应的训练样本对情感状态检测网络模型的迭代训练，使得损失结果L的精度达到期望值时结束迭代训练，得到训练好的情感状态检测网络模型，作为情感状态检测器；所述辅助损失其中，i为训练样本区分符，M表示训练时每次迭代输入训练样本的数量，j表示情感状态类别区分符，N表示总类别数目，x_i表示第i个训练样本对应的特征向量，c_yi表示特征向量x_i对应的情感状态的类别y_i的类中心，c_j表示第j类情感状态的类中心，margin表示允许的最小类间距离，α表示预设比例，取值范围为(0,1)；所述附近边界损失其中，参数s表示缩放因子，m表示允许的最小余弦角度，e表示自然底数，cosθ_i,k表示归一化特征向量和归一化权重之间的余弦角度，计算方式为：其中W_k表示第k类情感状态的权重，符号(·)^T表示转置；图像预处理步骤：对待处理的视频帧进行图像预处理，得到待检测图像；人物区域检测步骤：对待检测图像通过预设的人物检测器定位人物区域，得到当前帧的待检测图像的初始人物区域检测框，以及各框的检测置信度；并对初始人物区域检测框进行非极大值抑制，得到最终的人物区域检测框，所述人物区域检测框对应的图像则为待检测人物图像；情感状态检检测步骤：对待检测人物图像通过情感状态检测器进行情感状态检测，输出属于不同类情感状态的检测分值，取最大检测分值对应的情感状态作为当前检测结果。