CN112115751A - 一种动物心情识别模型的训练方法和装置 - Google Patents
一种动物心情识别模型的训练方法和装置 Download PDFInfo
- Publication number
- CN112115751A CN112115751A CN201910547776.8A CN201910547776A CN112115751A CN 112115751 A CN112115751 A CN 112115751A CN 201910547776 A CN201910547776 A CN 201910547776A CN 112115751 A CN112115751 A CN 112115751A
- Authority
- CN
- China
- Prior art keywords
- animal
- mood
- face image
- animal mood
- identification model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
Abstract
本发明实施例提出一种动物心情识别模型的训练方法和装置，其中方法包括：获取训练集中的动物面部图像样本；提取所述动物面部图像样本的关键点坐标；将所述关键点坐标输入动物心情识别模型，得到所述动物心情识别模型输出的动物心情指数估计值；将所述动物心情指数估计值与所述动物面部图像样本对应的动物心情指数标注值进行比较，根据所述比较的结果调整所述动物心情识别模型的参数。本发明实施例建立的动物心情识别模型能够根据动物面部图像识别动物心情。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种动物心情识别模型的训练方法和装置。
背景技术
目前，针对动物、特别是宠物的心情检测，存在一种智能穿戴设备。该智能穿戴设备穿戴到宠物身上后，可以自动采集宠物的状态信息。将这些状态信息发送到移动终端，即可在数据库中查询此状态信息对应的心情，由此判断此时宠物的心情。这种方式的缺点是：1)价格较高；2)智能穿戴设备本身可能影响宠物的心情，导致其对宠物心情的检测不准确。
发明内容
本发明实施例提供一种动物心情识别模型的训练方法及装置、以及一种动物心情识别方法及装置，以至少解决现有技术中的以上技术问题。
第一方面，本发明实施例提供了一种动物心情识别模型的训练方法，包括：
获取训练集中的动物面部图像样本；
提取所述动物面部图像样本的关键点坐标；
将所述关键点坐标输入动物心情识别模型，得到所述动物心情识别模型输出的动物心情指数估计值；
将所述动物心情指数估计值与所述动物面部图像样本对应的动物心情指数标注值进行比较，根据所述比较的结果调整所述动物心情识别模型的参数。
在一种实施方式中，所述提取所述动物面部图像样本的关键点坐标，包括：
提取所述动物面部图像样本的多个关键点坐标；所述多个关键点坐标对应所述动物面部图像样本中的面部轮廓、眼角、眼眶最高点、眼眶最低点、眉毛轮廓、鼻子轮廓及嘴巴轮廓中的至少一项。
在一种实施方式中，所述根据所述比较的结果调整所述动物心情识别模型的参数，包括：
当所述比较的结果不满足预设要求时，根据所述比较的结果，采用反向传播和/或梯度下降方式，调整所述动物心情识别模型的参数；针对所述训练集中的下一个所述动物面部图像样本，返回执行所述获取训练集中的动物面部图像样本的步骤；
当所述比较的结果满足预设要求时，结束对所述动物心情识别模型的训练过程。
在一种实施方式中，所述结束对所述动物心情识别模型的训练过程之后，还包括对所述动物心情识别模型的验证过程；
所述验证过程包括：
采用验证集中的动物面部图像样本及其对应的动物心情指数标注值，计算所述动物心情识别模型的准确率和召回率；
根据所述准确率和召回率计算所述动物心情识别模型的ROC曲线；
在所述ROC曲线满足预设条件的情况下，结束对所述动物心情识别模型的验证过程。
第二方面，本发明实施例提供了一种动物心情识别方法，包括：
获取动物面部图像；
提取所述动物面部图像的关键点坐标；
将所述关键点坐标输入预先建立的动物心情识别模型；
获取所述动物心情识别模型输出的动物心情指数估计值；所述动物心情指数估计值由所述动物心情识别模型根据所述关键点坐标预测得出。
在一种实施方式中，所述提取所述动物面部图像的关键点坐标，包括：
提取所述动物面部图像的多个关键点坐标；所述多个关键点坐标对应所述动物面部图像中的面部轮廓、眼角、眼眶最高点、眼眶最低点、眉毛轮廓、鼻子轮廓及嘴巴轮廓中的至少一项。
在一种实施方式中，所述动物心情识别模型设置在服务器中；
所述将所述关键点坐标输入预先训练的动物心情识别模型，包括：向服务器发送心情识别请求消息，所述心情识别请求消息中携带所述关键点坐标；
所述获取所述动物心情识别模型输出的动物心情指数估计值，包括：接收所述服务器反馈的心情识别应答消息，所述心情识别应答消息中携带所述动物心情指数估计值；从所述心情识别应答消息中提取所述动物心情指数估计值。
第三方面，本发明实施例提供了一种动物心情识别模型的训练装置，包括：
第一获取模块，用于获取训练集中的动物面部图像样本；
第一提取模块，用于提取所述动物面部图像样本的关键点坐标；
第一输入模块，用于将所述关键点坐标输入动物心情识别模型，得到所述动物心情识别模型输出的动物心情指数估计值；
调整模块，用于将所述动物心情指数估计值与所述动物面部图像样本对应的动物心情指数标注值进行比较，根据所述比较的结果调整所述动物心情识别模型的参数。
在一种实施方式中，所述第一提取模块，用于提取所述动物面部图像样本的多个关键点坐标；所述多个关键点坐标对应所述动物面部图像样本中的面部轮廓、眼角、眼眶最高点、眼眶最低点、眉毛轮廓、鼻子轮廓及嘴巴轮廓中的至少一项。
在一种实施方式中，所述调整模块，用于当所述比较的结果不满足预设要求时，根据所述比较的结果，采用反向传播和/或梯度下降方式，调整所述动物心情识别模型的参数。
在一种实施方式中，所述装置还包括：验证模块，用于采用验证集中的动物面部图像样本及其对应的动物心情指数标注值，计算所述动物心情识别模型的准确率和召回率；根据所述准确率和召回率计算所述动物心情识别模型的ROC曲线；在所述ROC曲线满足预设条件的情况下，结束对所述动物心情识别模型的验证过程。
第四方面，本发明实施例提供了一种动物心情识别装置，包括：
第二获取模块，用于获取动物面部图像；
第二提取模块，用于提取所述动物面部图像的关键点坐标；
第二输入模块，用于将所述关键点坐标输入预先建立的动物心情识别模型；
获取模块，用于获取所述动物心情识别模型输出的动物心情指数估计值；所述动物心情指数估计值由所述动物心情识别模型根据所述关键点坐标预测得出。
在一种实施方式中，所述第二提取模块，用于提取所述动物面部图像的多个关键点坐标；所述多个关键点坐标对应所述动物面部图像中的面部轮廓、眼角、眼眶最高点、眼眶最低点、眉毛轮廓、鼻子轮廓及嘴巴轮廓中的至少一项。
在一种实施方式中，所述动物心情识别模型设置在服务器中；
所述第二输入模块，用于向服务器发送心情识别请求消息，所述心情识别请求消息中携带所述关键点坐标；
所述获取模块，用于接收所述服务器反馈的心情识别应答消息，所述心情识别请求消息中携带所述动物心情指数估计值；从所述心情识别应答消息中提取所述动物心情指数估计值。
第五方面，本发明实施例提供了一种动物心情识别模型的训练设备，所述动物心情识别模型的训练设备的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中，所述设备的结构中包括处理器和存储器，所述存储器用于存储支持所述设备执行上述动物心情识别模型的训练方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述设备还可以包括通信接口，用于与其他设备或通信网络通信。
第六方面，本发明实施例提供了一种动物心情识别设备，所述动物心情识别设备的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中，所述设备的结构中包括处理器和存储器，所述存储器用于存储支持所述设备执行上述动物心情识别方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述设备还可以包括通信接口，用于与其他设备或通信网络通信
第七方面，本发明实施例提供了一种计算机可读存储介质，用于存储动物心情识别模型的训练设备或动物心情识别设备所用的计算机软件指令，其包括用于执行上述动物心情识别模型的训练方法或动物心情识别方法所涉及的程序。
上述技术方案中的一个技术方案具有如下优点或有益效果：
本发明实施例提出的动物心情识别模型的训练方法和装置，采用动物面部图像样本及对应的动物心情指数标注值，对动物心情识别模型进行训练，得到能够通过动物面部图像识别动物心情的动物心情识别模型。并且，本发明实施例提出的动物心情识别方法，将终端设备摄取的动物面部图像输入预先建立的动物心情识别模型，得到动物面部图像对应的动物心情指数，从而实现对动物心情的识别。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。
图1为本发明实施例的一种动物心情识别模型的训练方法实现流程图一；
图2为本发明实施例的一种动物心情识别模型的训练方法实现流程图二；
图3为本发明实施例的一种动物心情识别方法实现流程图；
图4为本发明实施例的一种动物心情识别模型的训练装置结构示意图一；
图5为本发明实施例的一种动物心情识别模型的训练装置结构示意图二；
图6为本发明实施例的一种动物心情识别装置结构示意图；
图7为本发明实施例的一种动物心情识别模型的训练设备结构示意图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
本发明实施例主要提供了动物心情识别模型的训练方法和装置、以及一种动物心情识别方法和装置，下面分别通过以下实施例进行技术方案的展开描述。
图1为本发明实施例的一种动物心情识别模型的训练方法实现流程图一，包括：
S11：获取训练集中的动物面部图像样本；
S12：提取所述动物面部图像样本的关键点坐标；
S13：将所述关键点坐标输入动物心情识别模型，得到所述动物心情识别模型输出的动物心情指数估计值；
S14：将所述动物心情指数估计值与所述动物面部图像样本对应的动物心情指数标注值进行比较，根据所述比较的结果调整所述动物心情识别模型的参数。
在一种可能的实施方式中，本发明实施例预先采集一批动物的面部图像，邀请动物专家对动物的进行面部图像标注。将这些数据作为样本数据。面部图像采集和标注的方法可以包括：首先针对一只动物的多种面部表情，每种表情拍摄多张面部图像的图片，然后请专家对动物的每个面部图像进行分析，由此确定此面部图像对应的动物心情。动物心情可以用动物心情指数来量化表示。例如，将动物心情指数划分为5个级别；1级为最低级，表示心情最不高兴；5级为最高级，表示心情最高兴。在本发明实施例中，将人工标注的动物心情指数称为动物心情指数标注值，将动物心情识别模型输出的动物心情指数称为动物心情指数估计值。
样本数据采集和标注完成后，取其中的一部分(例如70％)作为训练集，剩余部分(例如30％)作为验证集。采用训练集对动物心情识别模型进行训练，并采用验证集对所述动物心情识别模型进行验证。
在一种可能的实施方式中，上述步骤S12中提取的动物面部图像样本的关键点坐标包括多个；所述多个关键点坐标对应动物面部图像样本中的面部轮廓、眼角、眼眶最高点、眼眶最低点、眉毛轮廓、鼻子轮廓及嘴巴轮廓中的至少一项。在一种可能的实施方式中，可以包括72个关键点坐标。这些关键点之间的相互关系可以更系统、更清晰地量化动物的表情。例如，嘴角上扬的度数，眼睛张开的度数等。上述多个关键点坐标可以采用向量的形式表示。
上述图1介绍的是训练过程中的一轮调参过程。
在一种可能的实施方式中，上述步骤S14可以包括：
当所述比较的结果不满足预设要求时，根据所述比较的结果，采用反向传播和/或梯度下降方式，调整所述动物心情识别模型的参数；针对所述训练集中的下一个所述动物面部图像样本，返回执行上述步骤S11，即进行下一轮调参过程。
当所述比较的结果满足预设要求时，结束对所述动物心情识别模型的训练过程。
具体地，本发明实施例构建的动物心情识别模型可以包括：一个输入层、一个输出层以及若干个中间层。每一层都包含若干个节点。在模型训练过程中，输入层的输入内容为动物面部图像样本的关键点坐标，输出层的输出内容为对应的动物心情指数估计值。在本发明实施例的动物心情识别模型中，上一层的输出值作为下一层的输入值。通过这样的结构，可以建立输入层的最初输入值到输出层的最终输出值之间的关系。
在训练开始时，首先为动物心情识别模型的每一层赋予随机的权重参数。之后，选取训练集中的一个动物面部图像样本，将该动物面部图像样本的72个关键点坐标输入所述动物心情识别模型，利用该随机的权重参数，可以求出该动物面部图像样本对应的动物心情指数估计值。通过比较动物心情指数估计值与该动物面部图像样本对应的动物心情指数标注值，可以得到两者的差值。采用反向传播和梯度下降的方法，不断调整每一层网络的权重参数，使上述差值逐渐变小。当差值小于某一阈值时，可以认为模型训练基本完成。本发明实施例可以设置所述动物心情识别模型的损失函数，通过调整权重参数，使得该损失函数的值逐步减小，最终达到预设要求。
以上介绍了对本发明实施例对动物心情识别模型的训练过程。在训练完成之后，可以对采用验证集对该动物心情识别模型进行验证。如图2为本发明实施例的一种动物心情识别模型的训练方法实现流程图二，包括：
S11：获取训练集中的动物面部图像样本；
S12：提取所述动物面部图像样本的关键点坐标；
S13：将所述关键点坐标输入动物心情识别模型，得到所述动物心情识别模型输出的动物心情指数估计值；
S14：将所述动物心情指数估计值与所述动物面部图像样本对应的动物心情指数标注值进行比较，根据所述比较的结果调整所述动物心情识别模型的参数。
S25：采用验证集中的动物面部图像样本及其对应的动物心情指数标注值，计算所述动物心情识别模型的准确率和召回率；
S26：根据所述准确率和召回率计算所述动物心情识别模型的ROC曲线；
S27：在所述ROC曲线满足预设条件的情况下，结束对所述动物心情识别模型的验证过程。
ROC曲线称为接受者工作特征曲线(Receiver Operating CharacteristicCurve)。上述步骤S27中的预设条件可以指：所述ROC曲线的AUC(Area Under Curve)值大于预设的阈值。其中，AUC被定义为ROC曲线下的面积。AUC值越接近于1，表示该动物心情识别模型的性能越高。
采用上述训练及验证完成的动物心情识别模型，本发明实施例还提出一种动物心情识别方法，如图3为本发明实施例的一种动物心情识别方法实现流程图，包括：
S31：获取动物面部图像；
S32：提取所述动物面部图像的关键点坐标；
S33：将所述关键点坐标输入预先建立的动物心情识别模型；
S34：获取所述动物心情识别模型输出的动物心情指数估计值；所述动物心情指数估计值由所述动物心情识别模型根据所述关键点坐标预测得出。
在一种可能的实施方式中，步骤S32中提取动物面部图像的多个关键点坐标；所述多个关键点坐标对应动物面部图像中的面部轮廓、眼角、眼眶最高点、眼眶最低点、眉毛轮廓、鼻子轮廓及嘴巴轮廓中的至少一项。该关键点坐标可以采用向量的形式表示。
在一种可能的实施方式中，上述动物心情识别模型设置在服务器中，服务器为用户设备提供对应的应用程序编程接口(API，Application Programming Interface)。在识别动物心情时，用户可以通过终端设备摄取动物的面部图像。该终端设备包括但不限于智能手机、智能可穿戴设备、平板电脑等。终端设备摄取动物面部图像后，提取动物面部图像的关键点坐标，通过调用该API接口，将心情识别请求消息发送至服务器，该心情识别请求消息中携带所述关键点坐标。
之后，服务器将关键点坐标输入上述动物心情识别模型，由动物心情识别模型输出针对该关键点坐标的预测结果，即该关键点坐标对应的动物心情指数估计值。由服务器向用户终端反馈心情识别应答消息。因此，上述步骤S34可以包括：接收所述服务器反馈的心情识别应答消息，所述心情识别请求消息中携带所述动物心情指数估计值；从所述心情识别应答消息中提取所述动物心情指数估计值。
此外，本发明实施例还可以从服务器端下载用于识别动物心情的动物心情识别模型，将该动物心情识别模型内置在终端设备中。采用该内置的动物心情识别模型，终端设备可以在没有网络连接的情况下识别动物心情。具体地，上述步骤S33和步骤S34具体可以为：将关键点坐标输入终端设备中内置的动物心情识别模型；获取所述动物心情识别模型输出的动物心情指数估计值。
本发明实施例还提出一种动物心情识别模型的训练装置。参见图4，图4为本发明实施例的一种动物心情识别模型的训练装置结构示意图一，包括：
第一获取模块410，用于获取训练集中的动物面部图像样本；
第一提取模块420，用于提取所述动物面部图像样本的关键点坐标；
第一输入模块430，用于将所述关键点坐标输入动物心情识别模型，得到所述动物心情识别模型输出的动物心情指数估计值；
调整模块440，用于将所述动物心情指数估计值与所述动物面部图像样本对应的动物心情指数标注值进行比较，根据所述比较的结果调整所述动物心情识别模型的参数。
在一种可能的实施方式中，所述第一提取模块420，用于提取所述动物面部图像样本的多个关键点坐标；所述多个关键点坐标对应所述动物面部图像样本中的面部轮廓、眼角、眼眶最高点、眼眶最低点、眉毛轮廓、鼻子轮廓及嘴巴轮廓中的至少一项。
在一种可能的实施方式中，所述调整模块440，用于当所述比较的结果不满足预设要求时，根据所述比较的结果，采用反向传播和/或梯度下降方式，调整所述动物心情识别模型的参数；针对所述训练集中的下一个所述动物面部图像样本，返回执行所述获取训练集中的动物面部图像样本的步骤；当所述比较的结果满足预设要求时，结束对所述动物心情识别模型的训练过程。
图5为本发明实施例的一种动物心情识别模型的训练装置结构示意图二，包括：
第一获取模块410、第一提取模块420、第一输入模块430、调整模块440及验证模块550。其中，所述第一获取模块410、第一提取模块420、第一输入模块430及调整模块440与上述实施例中的相应模块功能相同，在此不再赘述。
验证模块550，用于采用验证集中的动物面部图像样本及其对应的动物心情指数标注值，计算所述动物心情识别模型的准确率和召回率；根据所述准确率和召回率计算所述动物心情识别模型的ROC曲线；在所述ROC曲线满足预设条件的情况下，结束对所述动物心情识别模型的验证过程。
本发明实施例还提出一种动物心情识别装置，图6为本发明实施例的一种动物心情识别装置结构示意图，包括：
第二获取模块610，用于获取动物面部图像；
第二提取模块620，用于提取所述动物面部图像的关键点坐标；
第二输入模块630，用于将所述关键点坐标输入预先建立的动物心情识别模型；
获取模块640，用于获取所述动物心情识别模型输出的动物心情指数估计值；所述动物心情指数估计值由所述动物心情识别模型根据所述关键点坐标预测得出。
在一种可能的实施方式中，所述第二提取模块620，用于提取所述动物面部图像的多个关键点坐标；所述多个关键点坐标对应所述动物面部图像中的面部轮廓、眼角、眼眶最高点、眼眶最低点、眉毛轮廓、鼻子轮廓及嘴巴轮廓中的至少一项。
在一种可能的实施方式中，所述动物心情识别模型设置在服务器中；
所述第二输入模块630，用于向服务器发送心情识别请求消息，所述心情识别请求消息中携带所述关键点坐标；
所述获取模块640，用于接收所述服务器反馈的心情识别应答消息，所述心情识别请求消息中携带所述动物心情指数估计值；从所述心情识别应答消息中提取所述动物心情指数估计值。
本发明实施例各装置中的各模块的功能可以参见上述方法中的对应描述，在此不再赘述。
本发明实施例还提出一种动物心情识别模型的训练设备，如图7为本发明实施例的动物心情识别模型的训练设备结构示意图，包括：
存储器11和处理器12，存储器11存储有可在处理器12上运行的计算机程序。所述处理器12执行所述计算机程序时实现上述实施例中的动物心情识别模型的训练方法。所述存储器11和处理器12的数量可以为一个或多个。
所述设备还可以包括：
通信接口13，用于与外界设备进行通信，进行数据交换传输。
存储器11可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。
如果存储器11、处理器12和通信接口13独立实现，则存储器11、处理器12和通信接口13可以通过总线相互连接并完成相互之间的通信。所述总线可以是工业标准体系结构(ISA，Industry Standard Architecture)总线，外部设备互连(PCI，PeripheralComponent Interconnect)总线或扩展工业标准体系结构(EISA，Extended IndustryStandard Architecture)等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器11、处理器12和通信接口13集成在一块芯片上，则存储器11、处理器12和通信接口13可以通过内部接口完成相互间的通信。
本发明实施例还提出一种动物心情识别设备，包括存储器和处理器，存储器存储有可在处理器上运行的计算机程序。所述处理器执行所述计算机程序时实现上述实施例中的动物心情识别方法。所述存储器和处理器的数量可以为一个或多个。本发明实施例提出的动物心情识别设备的结构与上述动物心情识别模型的训练设备的结构相同，在此不再赘述。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (17)
1.一种动物心情识别模型的训练方法，其特征在于，包括：
获取训练集中的动物面部图像样本；
提取所述动物面部图像样本的关键点坐标；
将所述关键点坐标输入动物心情识别模型，得到所述动物心情识别模型输出的动物心情指数估计值；
将所述动物心情指数估计值与所述动物面部图像样本对应的动物心情指数标注值进行比较，根据所述比较的结果调整所述动物心情识别模型的参数。
2.根据权利要求1所述的方法，其特征在于，所述提取所述动物面部图像样本的关键点坐标，包括：
提取所述动物面部图像样本的多个关键点坐标；所述多个关键点坐标对应所述动物面部图像样本中的面部轮廓、眼角、眼眶最高点、眼眶最低点、眉毛轮廓、鼻子轮廓及嘴巴轮廓中的至少一项。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述比较的结果调整所述动物心情识别模型的参数，包括：
当所述比较的结果不满足预设要求时，根据所述比较的结果，采用反向传播和/或梯度下降方式，调整所述动物心情识别模型的参数；针对所述训练集中的下一个所述动物面部图像样本，返回执行所述获取训练集中的动物面部图像样本的步骤；
当所述比较的结果满足预设要求时，结束对所述动物心情识别模型的训练过程。
4.根据权利要求3所述的方法，其特征在于，所述结束对所述动物心情识别模型的训练过程之后，还包括对所述动物心情识别模型的验证过程；
所述验证过程包括：
采用验证集中的动物面部图像样本及其对应的动物心情指数标注值，计算所述动物心情识别模型的准确率和召回率；
根据所述准确率和召回率计算所述动物心情识别模型的ROC曲线；
在所述ROC曲线满足预设条件的情况下，结束对所述动物心情识别模型的验证过程。
5.一种动物心情识别方法，其特征在于，包括：
获取动物面部图像；
提取所述动物面部图像的关键点坐标；
将所述关键点坐标输入预先建立的动物心情识别模型；
获取所述动物心情识别模型输出的动物心情指数估计值；所述动物心情指数估计值由所述动物心情识别模型根据所述关键点坐标预测得出。
6.根据权利要求5所述的方法，其特征在于，所述提取所述动物面部图像的关键点坐标，包括：
提取所述动物面部图像的多个关键点坐标；所述多个关键点坐标对应所述动物面部图像中的面部轮廓、眼角、眼眶最高点、眼眶最低点、眉毛轮廓、鼻子轮廓及嘴巴轮廓中的至少一项。
7.根据权利要求5或6所述的方法，其特征在于，所述动物心情识别模型设置在服务器中；
所述将所述关键点坐标输入预先训练的动物心情识别模型，包括：向服务器发送心情识别请求消息，所述心情识别请求消息中携带所述关键点坐标；
所述获取所述动物心情识别模型输出的动物心情指数估计值，包括：接收所述服务器反馈的心情识别应答消息，所述心情识别应答消息中携带所述动物心情指数估计值；从所述心情识别应答消息中提取所述动物心情指数估计值。
8.一种动物心情识别模型的训练装置，其特征在于，包括：
第一获取模块，用于获取训练集中的动物面部图像样本；
第一提取模块，用于提取所述动物面部图像样本的关键点坐标；
第一输入模块，用于将所述关键点坐标输入动物心情识别模型，得到所述动物心情识别模型输出的动物心情指数估计值；
调整模块，用于将所述动物心情指数估计值与所述动物面部图像样本对应的动物心情指数标注值进行比较，根据所述比较的结果调整所述动物心情识别模型的参数。
9.根据权利要求8所述的装置，其特征在于，所述第一提取模块，用于提取所述动物面部图像样本的多个关键点坐标；所述多个关键点坐标对应所述动物面部图像样本中的面部轮廓、眼角、眼眶最高点、眼眶最低点、眉毛轮廓、鼻子轮廓及嘴巴轮廓中的至少一项。
10.根据权利要求8或9所述的装置，其特征在于，所述调整模块，用于当所述比较的结果不满足预设要求时，根据所述比较的结果，采用反向传播和/或梯度下降方式，调整所述动物心情识别模型的参数。
11.根据权利要求10所述的装置，其特征在于，所述装置还包括：验证模块，用于采用验证集中的动物面部图像样本及其对应的动物心情指数标注值，计算所述动物心情识别模型的准确率和召回率；根据所述准确率和召回率计算所述动物心情识别模型的ROC曲线；在所述ROC曲线满足预设条件的情况下，结束对所述动物心情识别模型的验证过程。
12.一种动物心情识别装置，其特征在于，包括：
第二获取模块，用于获取动物面部图像；
第二提取模块，用于提取所述动物面部图像的关键点坐标；
第二输入模块，用于将所述关键点坐标输入预先建立的动物心情识别模型；
获取模块，用于获取所述动物心情识别模型输出的动物心情指数估计值；所述动物心情指数估计值由所述动物心情识别模型根据所述关键点坐标预测得出。
13.根据权利要求12所述的装置，其特征在于，所述第二提取模块，用于提取所述动物面部图像的多个关键点坐标；所述多个关键点坐标对应所述动物面部图像中的面部轮廓、眼角、眼眶最高点、眼眶最低点、眉毛轮廓、鼻子轮廓及嘴巴轮廓中的至少一项。
14.根据权利要求12或13所述的装置，其特征在于，所述动物心情识别模型设置在服务器中；
所述第二输入模块，用于向服务器发送心情识别请求消息，所述心情识别请求消息中携带所述关键点坐标；
所述获取模块，用于接收所述服务器反馈的心情识别应答消息，所述心情识别请求消息中携带所述动物心情指数估计值；从所述心情识别应答消息中提取所述动物心情指数估计值。
15.一种动物心情识别模型的训练设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
16.一种动物心情识别设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求5-7中任一所述的方法。
17.一种计算机可读存储介质，其存储有计算机程序，其特征在于，该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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910547776.8A CN112115751A (zh) | 2019-06-21 | 2019-06-21 | 一种动物心情识别模型的训练方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910547776.8A CN112115751A (zh) | 2019-06-21 | 2019-06-21 | 一种动物心情识别模型的训练方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112115751A true CN112115751A (zh) | 2020-12-22 |
Family
ID=73795691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910547776.8A Pending CN112115751A (zh) | 2019-06-21 | 2019-06-21 | 一种动物心情识别模型的训练方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112115751A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113671892A (zh) * | 2021-08-18 | 2021-11-19 | 迟明海 | 一种基于云平台的动物管理方法和动物管理系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105847735A (zh) * | 2016-03-30 | 2016-08-10 | 宁波三博电子科技有限公司 | 一种基于人脸识别的即时弹幕视频通信方法及系统 |
| CN108090408A (zh) * | 2016-11-21 | 2018-05-29 | 三星电子株式会社 | 用于执行脸部表情识别和训练的方法和设备 |
| WO2018154098A1 (en) * | 2017-02-27 | 2018-08-30 | Universitat De Les Illes Balears | Method and system for recognizing mood by means of image analysis |
| CN109255310A (zh) * | 2018-08-28 | 2019-01-22 | 百度在线网络技术（北京）有限公司 | 动物情绪识别方法、装置、终端及可读存储介质 |
| CN109447001A (zh) * | 2018-10-31 | 2019-03-08 | 深圳市安视宝科技有限公司 | 一种动态情绪识别方法 |
-
2019
- 2019-06-21 CN CN201910547776.8A patent/CN112115751A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105847735A (zh) * | 2016-03-30 | 2016-08-10 | 宁波三博电子科技有限公司 | 一种基于人脸识别的即时弹幕视频通信方法及系统 |
| CN108090408A (zh) * | 2016-11-21 | 2018-05-29 | 三星电子株式会社 | 用于执行脸部表情识别和训练的方法和设备 |
| WO2018154098A1 (en) * | 2017-02-27 | 2018-08-30 | Universitat De Les Illes Balears | Method and system for recognizing mood by means of image analysis |
| CN109255310A (zh) * | 2018-08-28 | 2019-01-22 | 百度在线网络技术（北京）有限公司 | 动物情绪识别方法、装置、终端及可读存储介质 |
| CN109447001A (zh) * | 2018-10-31 | 2019-03-08 | 深圳市安视宝科技有限公司 | 一种动态情绪识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 范若愚等: "《大数据时代的商业建模》", 上海：上海科学技术文献出版社, pages: 154 - 156 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113671892A (zh) * | 2021-08-18 | 2021-11-19 | 迟明海 | 一种基于云平台的动物管理方法和动物管理系统 |
| CN113671892B (zh) * | 2021-08-18 | 2024-03-12 | 迟明海 | 一种基于云平台的动物管理方法和动物管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111260665B (zh) | 图像分割模型训练方法和装置 | |
| CN109634698B (zh) | 菜单显示方法、装置、计算机设备及存储介质 | |
| CN109472213B (zh) | 掌纹识别方法、装置、计算机设备和存储介质 | |
| CN111179419B (zh) | 三维关键点预测及深度学习模型训练方法、装置及设备 | |
| CN111814810A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
| CN108805058B (zh) | 目标对象变化姿态识别方法、装置及计算机设备 | |
| CN110807491A (zh) | 车牌图像清晰度模型训练方法、清晰度检测方法及装置 | |
| CN107633237B (zh) | 图像背景分割方法、装置、设备及介质 | |
| CN110276257B (zh) | 人脸识别方法、装置、系统、服务器及可读存储介质 | |
| CN108460346B (zh) | 指纹识别方法及装置 | |
| CN108596079B (zh) | 手势识别方法、装置及电子设备 | |
| CN112818909A (zh) | 图像更新方法、装置、电子设备及计算机可读介质 | |
| CN110288085B (zh) | 一种数据处理方法、装置、系统及存储介质 | |
| CN112836661A (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
| CN113936298A (zh) | 一种特征识别方法及装置、计算机可读存储介质 | |
| CN111861998A (zh) | 一种人体图像质量评估方法、装置、系统和计算机设备 | |
| CN114612728A (zh) | 模型训练方法、装置、计算机设备及存储介质 | |
| CN114299546A (zh) | 识别宠物身份的方法、装置、存储介质及电子设备 | |
| CN110163151B (zh) | 人脸模型的训练方法、装置、计算机设备和存储介质 | |
| CN108875549A (zh) | 图像识别方法、装置、系统及计算机存储介质 | |
| CN109978058B (zh) | 确定图像分类的方法、装置、终端及存储介质 | |
| CN113505256B (zh) | 特征提取网络训练方法、图像处理方法及装置 | |
| CN113179421B (zh) | 视频封面选择方法、装置、计算机设备和存储介质 | |
| CN117115595B (zh) | 姿态估计模型的训练方法、装置、电子设备及存储介质 | |
| CN112115751A (zh) | 一种动物心情识别模型的训练方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |