CN110175565A - 用于识别人物情感的方法和装置 - Google Patents

Abstract

本公开的实施例公开了用于识别人物情感的方法和装置。该方法的一具体实施方式包括：从待处理的人物视频中提取出人脸图像集合；基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组，其中，不同的人脸图像组对应人物视频所显示的不同的人物；对于该至少一个人脸图像组中的每个人脸图像组，对该人脸图像组中的每张人脸图像进行表情识别，得到相应的表情识别结果，并基于该人脸图像组中的各张人脸图像分别对应的表情识别结果，确定该人脸图像组所对应的人物的情感信息。该实施方式实现了基于人脸表情的人物情感识别。

Description

用于识别人物情感的方法和装置

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于识别人物情感的方法和装置。

背景技术

人物视频可以显示有一个或多个人物，每个人物一般具有相应的情感状态。例如，对应某部电视剧的人物视频可以显示有该电视剧中的一个或多个人物，每个人物在剧情当中的情感例如可以是仇恨、幸福、厌恶或悲愤等。

发明内容

本公开的实施例提出了用于识别人物情感的方法和装置。

第一方面，本公开的实施例提供了一种用于识别人物情感的方法，该方法包括：从待处理的人物视频中提取出人脸图像集合；基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组，其中，不同的人脸图像组对应人物视频所显示的不同的人物；对于该至少一个人脸图像组中的每个人脸图像组，对该人脸图像组中的每张人脸图像进行表情识别，得到相应的表情识别结果，并基于该人脸图像组中的各张人脸图像分别对应的表情识别结果，确定该人脸图像组所对应的人物的情感信息。

在一些实施例中，表情识别结果包括表情标签；以及基于该人脸图像组中的各张人脸图像分别对应的表情识别结果，确定该人脸图像组所对应的人物的情感信息，包括：将该人脸图像组中的各张人脸图像分别对应的表情识别结果中的出现次数最多的表情标签确定为目标表情标签，并基于目标表情标签，确定该人脸图像组所对应的人物的情感信息。

在一些实施例中，基于目标表情标签，确定该人脸图像组所对应的人物的情感信息，包括：确定该人脸图像组所对应的人物的情感信息包括目标表情标签。

在一些实施例中，目标表情标签预先关联情感状态；以及基于目标表情标签，确定该人脸图像组所对应的人物的情感信息，包括：确定该人脸图像组所对应的人物的情感信息包括情感状态。

在一些实施例中，从待处理的人物视频中提取出人脸图像集合，包括：对人物视频进行间隔抽帧，并将抽取出的图像组成图像集合；对图像集合中的各张图像分别进行人脸检测，得到人脸检测结果；基于人脸检测结果，从图像集合中提取出人脸图像集合。

在一些实施例中，基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组，包括：对人脸图像集合中的人脸图像进行聚类，以将人脸图像集合划分成至少一个人脸图像组。

在一些实施例中，对该人脸图像组中的每张人脸图像进行表情识别，得到相应的表情识别结果，包括：将该人脸图像组中的每张人脸图像输入预先训练的卷积神经网络，得到相应的表情识别结果，卷积神经网络用于进行表情识别。

第二方面，本公开的实施例提供了一种用于识别人物情感的装置，该装置包括：提取单元，被配置成从待处理的人物视频中提取出人脸图像集合；划分单元，被配置成基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组，其中，不同的人脸图像组对应人物视频所显示的不同的人物；识别单元，被配置成对于该至少一个人脸图像组中的每个人脸图像组，对该人脸图像组中的每张人脸图像进行表情识别，得到相应的表情识别结果，并基于该人脸图像组中的各张人脸图像分别对应的表情识别结果，确定该人脸图像组所对应的人物的情感信息。

在一些实施例中，表情识别结果包括表情标签；以及识别单元进一步被配置成：对于上述至少一个人脸图像组中的每个人脸图像组，将该人脸图像组中的各张人脸图像分别对应的表情识别结果中的出现次数最多的表情标签确定为目标表情标签，并基于目标表情标签，确定该人脸图像组所对应的人物的情感信息。

在一些实施例中，识别单元进一步被配置成：对于上述至少一个人脸图像组中的每个人脸图像组，确定该人脸图像组所对应的人物的情感信息包括相应的目标表情标签。

在一些实施例中，目标表情标签预先关联情感状态；以及识别单元进一步被配置成：对于上述至少一个人脸图像组中的每个人脸图像组，确定该人脸图像组所对应的人物的情感信息包括相应的目标表情标签所关联的情感状态。

在一些实施例中，提取单元进一步被配置成：对人物视频进行间隔抽帧，并将抽取出的图像组成图像集合；对图像集合中的各张图像分别进行人脸检测，得到人脸检测结果；基于人脸检测结果，从图像集合中提取出人脸图像集合。

在一些实施例中，划分单元进一步被配置成：对人脸图像集合中的人脸图像进行聚类，以将人脸图像集合划分成至少一个人脸图像组。

在一些实施例中，识别单元进一步被配置成：对于上述至少一个人脸图像组中的每个人脸图像组，将该人脸图像组中的每张人脸图像输入预先训练的卷积神经网络，得到相应的表情识别结果，卷积神经网络用于进行表情识别。

第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当该一个或多个程序被该一个或多个处理器执行，使得该一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开的上述实施例提供的用于识别人物情感的方法和装置，通过从待处理的人物视频中提取出人脸图像集合，而后基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组，其中，不同的人脸图像组对应人物视频所显示的不同的人物，然后对于该至少一个人脸图像组中的每个人脸图像组，对该人脸图像组中的每张人脸图像进行表情识别，得到相应的表情识别结果，以便基于该人脸图像组中的各张人脸图像分别对应的表情识别结果，确定该人脸图像组所对应的人物的情感信息，实现了基于人脸表情的人物情感识别。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一些实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的用于识别人物情感的方法的一个实施例的流程图；

图3是根据本公开的用于识别人物情感的方法的一个应用场景的示意图；

图4是根据本公开的用于识别人物情感的方法的又一个实施例的流程图；

图5是根据本公开的用于识别人物情感的装置的一个实施例的结构示意图；

图6是适于用来实现本公开的一些实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关公开，而非对该公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关公开相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的用于识别人物情感的方法或用于识别人物情感的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、人物情感识别类应用等等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上安装的人物情感识别类应用提供支持的后台服务器，该后台服务器例如可以响应于终端设备101、102、103发送的人物情感识别请求，并基于该请求进行相应的信息处理。

需要说明的是，本公开的一些实施例提供的用于识别人物情感的方法一般由服务器105执行，相应地，用于识别人物情感的装置一般设置于服务器105中。

需要指出的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本公开的用于识别人物情感的方法的一个实施例的流程200。该用于识别人物情感的方法的流程200，包括以下步骤：

步骤201，从待处理的人物视频中提取出人脸图像集合。

在本实施例中，用于识别人物情感的方法的执行主体(例如图1所示的服务器105)可以从待处理的人物视频中提取出人脸图像集合。其中，该人物视频是包括显示有人物的图像的视频。该人物视频中的多帧图像(例如全部或部分)显示有人物的面部，简称人脸。这里，该人物视频例如可以是上述执行主体从终端设备(例如图1所示的终端设备101、102、103)接收的人物情感识别请求中包含的人物视频。

作为示例，若人物视频预先对应人脸检测结果，上述执行主体可以基于该人脸检测结果从人物视频中提取出人脸图像集合。其中，人脸检测结果可以用于指示人物视频所包含的图像是否显示有人脸，还用于指示显示有人脸的图像中的人脸区域的位置。

在本实施例的一些可选的实现方式中，上述执行主体也可以采用以下方式从人物视频中提取出人脸图像集合：对人物视频进行间隔抽帧，并将抽取出的图像组成图像集合；对图像集合中的各张图像分别进行人脸检测，得到人脸检测结果；基于人脸检测结果，从图像集合中提取出人脸图像集合。

这里，上述执行主体例如可以每间隔一帧抽取出一张图像。应该理解，间隔的帧数是可以根据实际需要设置的，在此不做具体限定。此外，上述执行主体上可以运行有人脸检测模型，上述执行主体可以将图像集合中的每张图像输入该人脸检测模型，得到相应的人脸检测结果。其中，人脸检测模型例如可以是使用朴素贝叶斯模型(Naive BayesianModel，NBM)、支持向量机(Support Vector Machine，SVM)、XGBoost(eXtreme GradientBoosting)或卷积神经网络(Convolutional Neural Networks，CNN)等模型进行训练得到的。

步骤202，基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组。

在本实施例中，上述执行主体可以基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组。其中，不同的人脸图像组对应人物视频所显示的不同的人物。

作为示例，上述执行主体例如可以采用基于深度学习的人脸比对算法，对人脸图像集合中的人脸图像进行两两比对，以判断任意两张人脸图像是否属于同一人。而后，上述执行主体可以基于比对结果，将属于同一人的人脸图像划分到同一个人脸图像组。

在本实施例的一些可选的实现方式中，上述执行主体还可以对人脸图像集合中的人脸图像进行聚类，以将人脸图像集合划分成至少一个人脸图像组。这里，上述执行主体可以采用预设的聚类算法，例如K均值聚类算法(k-means clustering algorithm)等，对人脸图像集合中的人脸图像进行聚类。

步骤203，对于至少一个人脸图像组中的每个人脸图像组，对该人脸图像组中的每张人脸图像进行表情识别，得到相应的表情识别结果，并基于该人脸图像组中的各张人脸图像分别对应的表情识别结果，确定该人脸图像组所对应的人物的情感信息。

在本实施例中，对于上述至少一个人脸图像组中的每个人脸图像组，上述执行主体可以对该人脸图像组中的每张人脸图像进行表情识别，得到相应的表情识别结果。而后，上述执行主体还可以基于该人脸图像组中的各张人脸图像分别对应的表情识别结果，确定该人脸图像组所对应的人物的情感信息。需要说明的是，表情例如可以包括但不限于开心、悲伤、愤怒等等。

这里，上述执行主体本地可以存储有表情模板。该表情模板可以包括人脸图像和该人脸图像对应的表情标签。对于上述至少一个人脸图像组中的每个人脸图像组，上述执行主体可以将该人脸图像组中的每张人脸图像与表情模板中的人脸图像进行匹配，并将匹配出的人脸图像所对应的表情标签作为表情识别结果。可选地，上述执行主体也可以将该人脸图像组中的每张人脸图像输入预先训练的卷积神经网络，得到相应的表情识别结果。其中，卷积神经网络可以用于进行表情识别。该卷积神经网络的输入例如可以包括显示有人脸的图像。该卷积神经网络的输出例如可以包括表情标签。

对于上述至少一个人脸图像组中的每个人脸图像组，上述执行主体例如可以将该人脸图像组中的各张人脸图像分别对应的表情识别结果输入预先训练的人物情感预测模型，得到相应的预测结果。预测结果例如可以用于指示该人脸图像组所对应的人物的情感状态。其中，人物情感预测模型例如可以是使用朴素贝叶斯模型、支持向量机或卷积神经网络等模型进行训练得到的。

继续参见图3，图3是根据本实施例的用于识别人物情感的方法的应用场景的一个示意图。在图3的应用场景中，用户A的终端设备上可以安装有服务器所支持的人物情感识别类应用。当用户A想要了解与某个电视剧对应的人物视频B所显示的人物在剧中的情感时，用户A可以在人物情感识别类应用中选择人物视频B，而后执行相应的触发操作以使终端设备向服务器发送包括人物视频B的人物情感识别请求。服务器可以响应于该人物情感识别请求，从人物视频B中提取出人脸图像集合。而后，假设人物视频B显示有人物C1和人物C2，服务器基于人脸图像之间的匹配关系，可以将人脸图像集合划分成与人物C1对应的人脸图像组D1，以及与人物C2对应的人脸图像组D2。然后，服务器可以对人脸图像组D1、D2分别包括的人脸图像进行表情识别，得到相应的表情识别结果。最后，对于人脸图像组D1、D2中的每个人脸图像组，服务器可以基于该人脸图像组中的各张人脸图像分别对应的表情识别结果，确定该人脸图像组所对应的人物的情感信息。此后，服务器还可以将所确定的情感信息返回给终端设备，以使终端设备向用户A展示该情感信息。

本公开的上述实施例提供的方法，通过从待处理的人物视频中提取出人脸图像集合，而后基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组，其中，不同的人脸图像组对应人物视频所显示的不同的人物，然后对于该至少一个人脸图像组中的每个人脸图像组，对该人脸图像组中的每张人脸图像进行表情识别，得到相应的表情识别结果，以便基于该人脸图像组中的各张人脸图像分别对应的表情识别结果，确定该人脸图像组所对应的人物的情感信息，实现了基于人脸表情的人物情感识别。

进一步参考图4，其示出了用于识别人物情感的方法的又一个实施例的流程400。该用于识别人物情感的方法的流程400，包括以下步骤：

步骤401，对待处理的人物视频进行间隔抽帧，并将抽取出的图像组成图像集合。

在本实施例中，用于识别人物情感的方法的执行主体(例如图1所示的服务器105)可以对待处理的人物视频进行间隔抽帧，并将抽取出的图像组成图像集合。其中，该人物视频是包括显示有人物的图像的视频。该人物视频中的多帧图像(例如全部或部分)显示有人物的面部，简称人脸。这里，该人物视频例如可以是上述执行主体从终端设备(例如图1所示的终端设备101、102、103)接收的人物情感识别请求中包含的人物视频。

需要说明的是，上述执行主体例如可以每间隔一帧抽取出一张图像。应该理解，间隔的帧数是可以根据实际需要设置的，在此不做具体限定。

步骤402，对图像集合中的各张图像分别进行人脸检测，得到人脸检测结果。

在本实施例中，上述执行主体可以对图像集合中的各张图像分别进行人脸检测，得到人脸检测结果。其中，人脸检测结果可以用于指示其所对应的图像是否显示有人脸。当该图像显示有人脸时，该人脸检测结果还用于指示该图像所显示的人脸的位置。

作为示例，上述执行主体上可以运行有人脸检测模型，上述执行主体可以将图像集合中的每张图像输入该人脸检测模型，得到相应的人脸检测结果。针对该人脸检测模型的解释说明，可参看图2所示实施例中的相关描述，在此不再赘述。

步骤403，基于人脸检测结果，从图像集合中提取出人脸图像集合。

在本实施例中，上述执行主体可以基于人脸检测结果，从图像集合中提取出人脸图像集合。具体地，上述执行主体可以先基于人脸检测结果从图像集合中提取出显示有人脸的图像。而后，上述执行主体可以基于提取出的显示有人脸的图像所对应的人脸检测结果所指示的位置，从该图像中提取出人脸图像。最后，上述执行主体可以将提取出的人脸图像组成人脸图像集合。

步骤404，基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组。

在本实施例中，上述执行主体可以基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组。这里，人脸图像组的划分方法，可参看图2所示实施例中的相关说明，在此不再赘述。

步骤405，对于至少一个人脸图像组中的每个人脸图像组，对该人脸图像组中的每张人脸图像进行表情识别，得到相应的表情识别结果，将该人脸图像组中的各张人脸图像分别对应的表情识别结果中的出现次数最多的表情标签确定为目标表情标签，并基于目标表情标签，确定该人脸图像组所对应的人物的情感信息。

在本实施例中，对于上述至少一个人脸图像组中的每个人脸图像组，上述执行主体可以对该人脸图像组中的每张人脸图像进行表情识别，得到相应的表情识别结果。其中，表情识别结果可以包括表情标签。这里，表情识别方法可参看图2所示实施例中的相关说明，在此不再赘述。而后，上述执行主体可以将该人脸图像组中的各张人脸图像分别对应的表情识别结果中的出现次数最多的表情标签确定为目标表情标签，并基于目标表情标签，确定该人脸图像组所对应的人物的情感信息。例如，上述执行主体可以确定该人脸图像组所对应的人物的情感信息包括该目标表情标签。可选地，该目标表情标签可以预先关联情感状态，上述执行主体也可以确定该人脸图像组所对应的人物的情感信息包括该情感状态。

需要说明的是，表情标签所关联的情感状态，可以与该表情标签相同，也可以与该表情标签不同，在此不做具体限定。以开心标签为例，该开心标签所关联的情感状态可以为“开心”，也可以为“幸福”等。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于识别人物情感的方法的流程400突出了对人脸图像集合提取方法进行扩展的步骤，以及对情感信息的确定方法进行扩展的步骤。由此，本实施例描述的方案可以实现信息处理的多样性，并且可以基于相应的目标表情标签，准确地识别出人物视频所显示的人物的情感。另外，采用间隔抽帧方法，可以减少运算量，从而可以提高人物情感识别效率。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于识别人物情感的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于识别人物情感的装置500可以包括：提取单元501被配置成从待处理的人物视频中提取出人脸图像集合；划分单元502被配置成基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组，其中，不同的人脸图像组对应人物视频所显示的不同的人物；识别单元503被配置成对于该至少一个人脸图像组中的每个人脸图像组，对该人脸图像组中的每张人脸图像进行表情识别，得到相应的表情识别结果，并基于该人脸图像组中的各张人脸图像分别对应的表情识别结果，确定该人脸图像组所对应的人物的情感信息。

在本实施例中，用于识别人物情感的装置500中：提取单元501、划分单元502和识别单元503的具体处理及其所带来的技术效果可分别参考图2所示的实施例中的步骤201、步骤202和步骤203的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，表情识别结果可以包括表情标签；以及识别单元503可以进一步被配置成：对于上述至少一个人脸图像组中的每个人脸图像组，将该人脸图像组中的各张人脸图像分别对应的表情识别结果中的出现次数最多的表情标签确定为目标表情标签，并基于目标表情标签，确定该人脸图像组所对应的人物的情感信息。

在本实施例的一些可选的实现方式中，识别单元503可以进一步被配置成：对于上述至少一个人脸图像组中的每个人脸图像组，确定该人脸图像组所对应的人物的情感信息包括相应的目标表情标签。

在本实施例的一些可选的实现方式中，目标表情标签可以预先关联情感状态；以及识别单元503可以进一步被配置成：对于上述至少一个人脸图像组中的每个人脸图像组，确定该人脸图像组所对应的人物的情感信息包括相应的目标表情标签所关联的情感状态。

在本实施例的一些可选的实现方式中，提取单元501可以进一步被配置成：对人物视频进行间隔抽帧，并将抽取出的图像组成图像集合；对图像集合中的各张图像分别进行人脸检测，得到人脸检测结果；基于人脸检测结果，从图像集合中提取出人脸图像集合。

在本实施例的一些可选的实现方式中，划分单元502可以进一步被配置成：对人脸图像集合中的人脸图像进行聚类，以将人脸图像集合划分成至少一个人脸图像组。

在本实施例的一些可选的实现方式中，识别单元503可以进一步被配置成：对于上述至少一个人脸图像组中的每个人脸图像组，将该人脸图像组中的每张人脸图像输入预先训练的卷积神经网络，得到相应的表情识别结果，卷积神经网络用于进行表情识别。

本公开的上述实施例提供的装置，通过从待处理的人物视频中提取出人脸图像集合，而后基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组，其中，不同的人脸图像组对应人物视频所显示的不同的人物，然后对于该至少一个人脸图像组中的每个人脸图像组，对该人脸图像组中的每张人脸图像进行表情识别，得到相应的表情识别结果，以便基于该人脸图像组中的各张人脸图像分别对应的表情识别结果，确定该人脸图像组所对应的人物的情感信息，实现了基于人脸表情的人物情感识别。

下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器105)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。

需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：从待处理的人物视频中提取出人脸图像集合；基于人脸图像之间的匹配关系，将人脸图像集合划分成至少一个人脸图像组，其中，不同的人脸图像组对应人物视频所显示的不同的人物；对于该至少一个人脸图像组中的每个人脸图像组，对该人脸图像组中的每张人脸图像进行表情识别，得到相应的表情识别结果，并基于该人脸图像组中的各张人脸图像分别对应的表情识别结果，确定该人脸图像组所对应的人物的情感信息。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，提取单元还可以被描述为“从待处理的人物视频中提取出人脸图像集合的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (16)

1.一种用于识别人物情感的方法，包括：

从待处理的人物视频中提取出人脸图像集合；

基于人脸图像之间的匹配关系，将所述人脸图像集合划分成至少一个人脸图像组，其中，不同的人脸图像组对应所述人物视频所显示的不同的人物；

对于所述至少一个人脸图像组中的每个人脸图像组，对该人脸图像组中的每张人脸图像进行表情识别，得到相应的表情识别结果，并基于该人脸图像组中的各张人脸图像分别对应的表情识别结果，确定该人脸图像组所对应的人物的情感信息。

2.根据权利要求1所述的方法，其中，表情识别结果包括表情标签；以及

所述基于该人脸图像组中的各张人脸图像分别对应的表情识别结果，确定该人脸图像组所对应的人物的情感信息，包括：

将该人脸图像组中的各张人脸图像分别对应的表情识别结果中的出现次数最多的表情标签确定为目标表情标签，并基于所述目标表情标签，确定该人脸图像组所对应的人物的情感信息。

3.根据权利要求2所述的方法，其中，所述基于所述目标表情标签，确定该人脸图像组所对应的人物的情感信息，包括：

确定该人脸图像组所对应的人物的情感信息包括所述目标表情标签。

4.根据权利要求2所述的方法，其中，所述目标表情标签预先关联情感状态；以及

所述基于所述目标表情标签，确定该人脸图像组所对应的人物的情感信息，包括：

确定该人脸图像组所对应的人物的情感信息包括所述情感状态。

5.根据权利要求1-4之一所述的方法，其中，所述从待处理的人物视频中提取出人脸图像集合，包括：

对所述人物视频进行间隔抽帧，并将抽取出的图像组成图像集合；

对所述图像集合中的各张图像分别进行人脸检测，得到人脸检测结果；

基于所述人脸检测结果，从所述图像集合中提取出人脸图像集合。

6.根据权利要求1-4之一所述的方法，其中，所述基于人脸图像之间的匹配关系，将所述人脸图像集合划分成至少一个人脸图像组，包括：

对所述人脸图像集合中的人脸图像进行聚类，以将所述人脸图像集合划分成至少一个人脸图像组。

7.根据权利要求1-4之一所述的方法，其中，所述对该人脸图像组中的每张人脸图像进行表情识别，得到相应的表情识别结果，包括：

将该人脸图像组中的每张人脸图像输入预先训练的卷积神经网络，得到相应的表情识别结果，所述卷积神经网络用于进行表情识别。

8.一种用于识别人物情感的装置，包括：

提取单元，被配置成从待处理的人物视频中提取出人脸图像集合；

划分单元，被配置成基于人脸图像之间的匹配关系，将所述人脸图像集合划分成至少一个人脸图像组，其中，不同的人脸图像组对应所述人物视频所显示的不同的人物；

识别单元，被配置成对于所述至少一个人脸图像组中的每个人脸图像组，对该人脸图像组中的每张人脸图像进行表情识别，得到相应的表情识别结果，并基于该人脸图像组中的各张人脸图像分别对应的表情识别结果，确定该人脸图像组所对应的人物的情感信息。

9.根据权利要求8所述的装置，其中，表情识别结果包括表情标签；以及

所述识别单元进一步被配置成：

对于所述至少一个人脸图像组中的每个人脸图像组，将该人脸图像组中的各张人脸图像分别对应的表情识别结果中的出现次数最多的表情标签确定为目标表情标签，并基于所述目标表情标签，确定该人脸图像组所对应的人物的情感信息。

10.根据权利要求9所述的装置，其中，所述识别单元进一步被配置成：

对于所述至少一个人脸图像组中的每个人脸图像组，确定该人脸图像组所对应的人物的情感信息包括相应的目标表情标签。

11.根据权利要求9所述的装置，其中，目标表情标签预先关联情感状态；以及

所述识别单元进一步被配置成：

对于所述至少一个人脸图像组中的每个人脸图像组，确定该人脸图像组所对应的人物的情感信息包括相应的目标表情标签所关联的情感状态。

12.根据权利要求8-11之一所述的装置，其中，所述提取单元进一步被配置成：

对所述人物视频进行间隔抽帧，并将抽取出的图像组成图像集合；

对所述图像集合中的各张图像分别进行人脸检测，得到人脸检测结果；

基于所述人脸检测结果，从所述图像集合中提取出人脸图像集合。

13.根据权利要求8-11之一所述的装置，其中，所述划分单元进一步被配置成：

对所述人脸图像集合中的人脸图像进行聚类，以将所述人脸图像集合划分成至少一个人脸图像组。

14.根据权利要求8-11之一所述的装置，其中，所述识别单元进一步被配置成：

对于所述至少一个人脸图像组中的每个人脸图像组，将该人脸图像组中的每张人脸图像输入预先训练的卷积神经网络，得到相应的表情识别结果，所述卷积神经网络用于进行表情识别。

15.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

16.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。