CN113052146A - 情绪预警方法及装置 - Google Patents

Abstract

本申请提供了一种情绪预警方法及装置，该方法包括：按预设时间间隔采集预设区域的视频；对视频进行处理，得到视频中包含的所有人脸图像；确定各张人脸图像中包括的目标图像；目标图像为目标对象的人脸图像，目标对象工作于预设区域；利用预先构建的情绪识别模型，对目标图像进行处理，得到目标图像对应的情绪识别结果；基于情绪识别结果，计算当前情绪累加分值；若当前情绪累加分值小于预设阈值，则发出预警通知。本技术方案中，通过对目标对象进行情绪识别，并统计情绪累加分值，从而在情绪累加分值小于预设阈值时，进行预警，以便管理人员及时采取相关措施进行处理，从而降低网点投诉率。

Description

情绪预警方法及装置

技术领域

本申请涉及情绪识别技术领域，尤其涉及一种情绪预警方法及装置。

背景技术

随着手机银行业务的推广，越来越多的用户通过手机银行办理业务，导致需要前往营业厅办理的业务均为复杂类的业务，由于业务处理流程较为复杂，大堂经理的压力较大，容易产生负面情绪，从而导致客户体验感差，进而导致营业厅投诉率上升。

因此，如何提供一种能够降低网点投诉率的方法，是目前本领域人员亟需解决的问题。

发明内容

基于上述现有技术的不足，本申请提供了一种情绪预警方法，以实现降低网点投诉率。

本申请还提供了一种情绪预警装置，用于保证上述方法在实际中的实现及应用。

一种情绪预警方法，包括：

按预设时间间隔采集预设区域的视频；

对所述视频进行处理，得到所述视频中包含的所有人脸图像；

确定各张人脸图像中包括的目标图像；所述目标图像为目标对象的人脸图像，所述目标对象工作于所述预设区域；

利用预先构建的情绪识别模型，对所述目标图像进行处理，得到所述目标图像对应的情绪识别结果；

基于情绪识别结果，计算当前情绪累加分值；

若所述当前情绪累加分值小于预设阈值，则发出预警通知。

上述的方法，可选的，所述确定各张人脸图像中包括的目标图像，包括：

对每张人脸图像进行人脸特征识别，得到每张人脸图像的人脸特征信息；

获取预先存储的所述目标对象对应的目标人脸特征信息；

分别将每张人脸图像的人脸特征信息和所述目标人脸特征信息进行匹配；

将与所述目标人脸特征信息相匹配的人脸特征信息所对应的人脸图像作为目标图像。

上述的方法，可选的，所述基于情绪识别结果，计算当前情绪累加分值，包括：

基于情绪识别结果，确定当前情绪分值；

基于所述当前情绪分值，和前一次情绪累加分值，计算当前情绪累加分值；其中，所述前一次情绪累加分值为所述当前情绪分值之前的所有情绪分值的累加值。

上述的方法，可选的，所述基于情绪识别结果，确定当前情绪分值，包括：

确定预设的情绪打分表中，与所述情绪识别结果相匹配的微表情；

将所匹配的微表情对应的分值确定为当前情绪分值。

上述的方法，可选的，所述对所述视频进行处理，得到所述视频中包含的所有人脸图像，包括：

对所述视频进行解帧处理，得到多帧视频图像；

对每帧视频图像进行人脸区域识别，确定每帧视频图像中的人脸区域；

对每帧视频图像中的人脸区域进行截取，得到多张人脸图像。

一种情绪预警装置，包括：

采集单元，用于按预设时间间隔采集预设区域的视频；

处理单元，用于对所述视频进行处理，得到所述视频中包含的所有人脸图像；

确定单元，用于确定各张人脸图像中包括的目标图像；所述目标图像为目标对象的人脸图像，所述目标对象工作于所述预设区域；

识别单元，用于利用预先构建的情绪识别模型，对所述目标图像进行处理，得到所述目标图像对应的情绪识别结果；

计算单元，用于基于情绪识别结果，计算当前情绪累加分值；

预警单元，用于若所述当前情绪累加分值小于预设阈值，则发出预警通知。

上述的装置，可选的，所述确定单元执行确定各张人脸图像中包括的目标图像，用于：

对每张人脸图像进行人脸特征识别，得到每张人脸图像的人脸特征信息；

获取预先存储的所述目标对象对应的目标人脸特征信息；

分别将每张人脸图像的人脸特征信息和所述目标人脸特征信息进行匹配；

将与所述目标人脸特征信息相匹配的人脸特征信息所对应的人脸图像作为目标图像。

上述的装置，可选的，所述计算单元，包括：

确定子单元，用于基于情绪识别结果，确定当前情绪分值；

计算子单元，用于基于所述当前情绪分值，和前一次情绪累加分值，计算当前情绪累加分值；其中，所述前一次情绪累加分值为所述当前情绪分值之前的所有情绪分值的累加值。

上述的装置，可选的，所述确定子单元执行基于情绪识别结果，确定当前情绪分值，用于：

确定预设的情绪打分表中，与所述情绪识别结果相匹配的微表情；

将所匹配的微表情对应的分值确定为当前情绪分值。

上述的装置，可选的，其特征在于，所述处理单元执行对所述视频进行处理，得到所述视频中包含的所有人脸图像，用于：

对所述视频进行解帧处理，得到多帧视频图像；

对每帧视频图像进行人脸区域识别，确定每帧视频图像中的人脸区域；

对每帧视频图像中的人脸区域进行截取，得到多张人脸图像。

一种存储介质，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行上述的情绪预警方法。

一种电子设备，包括存储器，以及一个或者一个以上的指令，其中一个或者一个以上指令存储于存储器中，且经配置以由一个或者一个以上处理器执行上述的情绪预警方法。

与现有技术相比，本申请包括以下优点：

本申请提供了一种情绪预警方法及装置，该方法包括：按预设时间间隔采集预设区域的视频；对视频进行处理，得到视频中包含的所有人脸图像；确定各张人脸图像中包括的目标图像；目标图像为目标对象的人脸图像，目标对象工作于预设区域；利用预先构建的情绪识别模型，对目标图像进行处理，得到目标图像对应的情绪识别结果；基于情绪识别结果，计算当前情绪累加分值；若当前情绪累加分值小于预设阈值，则发出预警通知。本技术方案中，通过对目标对象进行情绪识别，并统计情绪累加分值，从而在情绪累加分值小于预设阈值时，进行预警，以便管理人员及时采取相关措施进行处理，从而降低网点投诉率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请提供的一种情绪预警方法的方法流程图；

图2为本申请提供的一种情绪预警方法的又一方法流程图；

图3为本申请提供的一种情绪预警方法的另一方法流程图；

图4为本申请提供的一种情绪预警方法的再一方法流程图；

图5为本申请提供的一种情绪预警装置的结构示意图；

图6为本申请提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请可用于众多通用或专用的计算装置环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。

本发明实施例提供了一种情绪预警方法，该方法可以应用在多种系统平台，其执行主体可以为计算机终端或各种移动设备的处理器，所述方法的方法流程图如图1所示，具体包括：

S101、按预设时间间隔采集预设区域的视频。

按预设时间间隔采集预设区域的视频，其中，预设区域为目标对象的工作区域，也即预设区域为营业厅的大堂，目标对象为工作于预设区域的工作人员，也即大堂经理。

按预设时间间隔采集预设区域的视频的过程，具体包括：按预设时间间隔获取，安装于预设区域的摄像头所拍摄的视频。需要说明的是，安装于预设区域的摄像头拍摄覆盖范围整个预设区域。

S102、对视频进行处理，得到视频中包含的所有人脸图像。

将视频处理成多帧视频图像，视频图像包括人脸图像，从而得到视频中包含的所有人脸图像。

本申请实施例提供的方法中，参与图2，对视频进行处理，得到视频中包含的所有人脸图像的过程，包括：

S201、对视频进行解帧处理，得到多帧视频图像。

对视频进行解帧处理，得到多帧视频图像。其中，对视频进行解帧处理采用的是现有视频解帧技术，此处不再赘述。

S202、对每帧视频图像进行人脸区域识别，确定每帧视频图像中的人脸区域。

对每帧视频图像进行人脸区域识别，也就是识别出每帧视频图像中的存在人脸区域，从而确定每帧视频图像中的人脸区域。

对每帧视频图像进行人脸区域识别的过程，具体包括，利用预设的人脸识别算法，通过识别框对每帧视频图像进行人脸区域识别，需要说明的是，所确定的每帧视频推想中的人脸区域为，识别框所框定的区域。

S203、对每帧视频图像中的人脸区域进行截取，得到多张人脸图像。

对每帧视频图像中的人脸区域进行截取，得到张人脸图像，具体的，基于视频图像的识别框，对视频图像中的人脸区域进行截取。

可选的，针对每帧视频图像，对识别框进行放大处理，以得到完整的人脸区域，并对放大处理后的视频图像进行人脸区域截取。

本申请实施例提供中的方法中，通过对视频进行解帧处理，得到多帧视频图像，对视频图像进行人脸识别，并对视频图像中的人脸区域进行截取，从而得到多张人脸图像。

S103、确定各张人脸图像中包括的目标图像。

从各张人脸图像中确定目标图像，其中，目标图像为目标对象的人脸图像，目标对象工作于预设区域。

参阅图3，确定各张人脸图像中包括的目标图像的过程，具体包括：

S301、对每张人脸图像进行人脸特征识别，得到每张人脸图像的人脸特征信息。

本申请实施例提供的方法中，针对每张人脸图像，对该人脸图像进行人脸特征识别，识别该人脸图像所包括的各个特征点，可选的，特征点包括但不限于眼角、嘴角，从而得到该人脸图像的人脸特征信息。

S302、获取预先存储的目标对象对应的目标人脸特征信息。

本申请实施例提供的方法中，预先存储目标对象的目标人脸特征信息，其中，目标人脸特征信息存储过程为：获取目标对象的人脸图像，对该目标对象的人脸对象进行特征识别，得到该目标对象的目标人脸特征信息，并将该目标对象和该目标对象的目标人脸信息进行对应存储。

本申请实施例提供的方法中，获取预先存储的目标对象对应的目标人脸特征信息。

S303、分别将每张人脸图像的人脸特征信息和目标人脸特征信息进行匹配。

本申请实施例提供的方法中，分别将每张人脸特征的人脸特征信息和目标人脸特征信息进行匹配，也就是说，针对每张人脸图像，将该人脸图像的人脸特征信息与目标人脸特征信息进行匹配。

需要说明的是，每个人脸图像的人脸特征信息包括多个特征子信息，特征子信息为人脸特征点的特征信息，例如，嘴角的特征信息、眼角的特征信息。

需要说明的是，目标人脸特征信息包括多个目标特征子信息。

针对每张人脸图像，将该人脸图像的人脸特征信息与目标人脸特征信息进行匹配的过程，具体包括：针对人脸图像的人脸特征信息中每特征子信息，确定目标人脸特征信息包括的各个目标特征子信息中与该特征子信息对应的目标特征子信息，计算特征子信息和与该特征子信息对应的目标特征子信息之间的匹配度，得到该特征子信息对应的匹配度；依据每个特征子信息对应的匹配度，计算该人脸图像的人脸特征信息与目标人脸特征信息的匹配度。

S304、将与目标人脸特征信息相匹配的人脸特征信息所对应的人脸图像作为目标图像。

本申请实施例提供的方法中，依据每张人脸图像的人脸特征信息与目标人脸特征信息的匹配度，将匹配度高对应的人脸特征信息确定为与目标人脸特征信息相匹配的人脸特征信息，并将与目标人脸特征信息相匹配的人脸特征信息所对应的人脸图像作为目标图像。

本申请实施例提供的方法中，预先存储目标对象对应的目标人脸特征信息，通过将所识别的每张人脸图像的人脸特征信息与目标人脸特征信息进行匹配，从而将与目标人脸特征信息相匹配的人脸特征信息所对应的人脸图像确定为目标图像。

S104、利用预先构建的情绪识别模型，对目标图像进行处理，得到目标图像对应的情绪识别结果。

本申请实施例提供的方法，预先构建情绪识别模型，情绪识别模型构建过程包括：获取训练数据集和测试数据集，训练数据集中包括多张人脸图像，测试数据集中包括多张人脸图像；利用训练数据集中每一张人脸图像训练深度学习模型，在训练过程中调整深度学习模型的参数，直至深度学习模型的损失函数满足预设收敛条件，获得训练后的深度学习模型；利用测试数据集对训练后的深度学习模型的准确率进行验证，获得满足预设准确率的深度学习模型，将满足预设准确率的深度学习模型确定为情绪识别模型。

本申请实施例提供的方法中，利用预先构建的情绪识别模型，对目标图像进行识别，得到目标图像对应的情绪识别结果。

S105、基于情绪识别结果，计算当前情绪累加分值。

依据情绪识别结果，确定该识别结果对应的当前情绪分值，进而依据当前情绪分值，计算当前情绪累加分值，需要说明的，当前情绪累加分值为当前情绪分值、或当前情绪分值累加上之前的情绪分值的结果。

参阅图4，基于情绪识别结果，计算当前情绪累加分值的过程，具体包括：

S401、基于情绪识别结果，确定当前情绪分值。

本申请实施例提供的方法中，预设情绪打分表，情绪打分表中存储不同微表情，以及不同微表情对应的分值。例如，预设设定，微笑对应的分值为3分，愤怒对应的分值为-3，厌恶对应的分值为-3，悲伤对应的分值为-3。需要说明的是，对于正面情绪，设定分值为正数，对应负面情绪，设定的分值为负数。

本申请实施例提供的方法中，基于情绪识别结果，利用情绪打分表，确定情绪识别结果对应的当前情绪分值。

本申请实施例提供的方法中，基于情绪识别结果，确定当前情绪分值分过程，具体包括：

确定预设的情绪打分表中，与情绪识别结果相匹配的微表情；

将所匹配的微表情对应的分值确定为当前情绪分值。

本申请实施例提供的方法中，确定预设的情绪打分表中，与情绪识别结果相匹配的微表情，将情绪打分表中与情绪识别结果相匹配的微表情对应的分值确定为，情绪识别结果对应的当前情绪分值。

S402、基于当前情绪分值，和前一次情绪累加分值，计算当前情绪累加分值。

依据当前情绪分值和前一次情绪累加分值，计算当前情绪累加分值，其中，前一次情绪累加分值为当前情绪分值之前的所有情绪分值的累加值，也就是目标对象在一次值班时间段内，当前情绪分值之前所计算得到的所有情绪分值的累加值，例如，目标对象的工作时间是9：00-18:00，每隔1分钟，采集预设区域的视频，依据所采集的视频，计算当前情绪分值，则在10：00时，所计算的当前情绪累加分值为10:00对应的当前情绪分值，累加上10:00之前的所计算所有的情绪分值的结果。

S106、若当前情绪累加分值小于预设阈值，则发出预警通知。

判断当前情绪累加分值是否小于预设阈值，其中，预设阈值为人为设定的数值，可以根据需求进行调整。

若当前情绪累加分值不小于预设阈值，则在下一个时间间隔到达后，执行上述S101-S106的所有步骤。

若当前情绪累加分值小于预设阈值，则表明目标对象的负面情绪已经达到设定值，并发出预警通知，以便管理人员及时采取相关措施进行处理，从而降低网点投诉率。可选的，相关措施可是换岗处理。

本申请实施例提供的情绪预警方法，按预设时间间隔采集预设区域的视频；对视频进行处理，得到视频中包含的所有人脸图像；确定各张人脸图像中包括的目标图像；目标图像为目标对象的人脸图像，目标对象工作于预设区域；利用预先构建的情绪识别模型，对目标图像进行处理，得到目标图像对应的情绪识别结果；基于情绪识别结果，计算当前情绪累加分值；若当前情绪累加分值小于预设阈值，则发出预警通知。应用本申请实施例提供的情绪预警方法，通过对目标对象进行情绪识别，并统计情绪累加分值，从而在情绪累加分值小于预设阈值时，进行预警，以便管理人员及时采取相关措施进行处理，从而降低网点投诉率。

与图1所述的方法相对应，本申请实施例还提供了一种情绪预警装置，用于对图1中方法的具体实现，其结构示意图如图5所示，具体包括：

采集单元501，用于按预设时间间隔采集预设区域的视频；

处理单元502，用于对所述视频进行处理，得到所述视频中包含的所有人脸图像；

确定单元503，用于确定各张人脸图像中包括的目标图像；所述目标图像为目标对象的人脸图像，所述目标对象工作于所述预设区域；

识别单元504，用于利用预先构建的情绪识别模型，对所述目标图像进行处理，得到所述目标图像对应的情绪识别结果；

计算单元505，用于基于情绪识别结果，计算当前情绪累加分值；

预警单元506，用于若所述当前情绪累加分值小于预设阈值，则发出预警通知。

本申请实施例提供的情绪预警装置，按预设时间间隔采集预设区域的视频；对视频进行处理，得到视频中包含的所有人脸图像；确定各张人脸图像中包括的目标图像；目标图像为目标对象的人脸图像，目标对象工作于预设区域；利用预先构建的情绪识别模型，对目标图像进行处理，得到目标图像对应的情绪识别结果；基于情绪识别结果，计算当前情绪累加分值；若当前情绪累加分值小于预设阈值，则发出预警通知。应用本申请实施例提供的情绪预警装置，通过对目标对象进行情绪识别，并统计情绪累加分值，从而在情绪累加分值小于预设阈值时，进行预警，以便管理人员及时采取相关措施进行处理，从而降低网点投诉率。

在本申请的一个实施例中，基于前述方案，确定单元503执行确定各张人脸图像中包括的目标图像，用于：

对每张人脸图像进行人脸特征识别，得到每张人脸图像的人脸特征信息；

获取预先存储的所述目标对象对应的目标人脸特征信息；

分别将每张人脸图像的人脸特征信息和所述目标人脸特征信息进行匹配；

将与所述目标人脸特征信息相匹配的人脸特征信息所对应的人脸图像作为目标图像。

在本申请的一个实施例中，基于前述方案，计算单元505配置为：

确定子单元，用于基于情绪识别结果，确定当前情绪分值；

计算子单元，用于基于所述当前情绪分值，和前一次情绪累加分值，计算当前情绪累加分值；其中，所述前一次情绪累加分值为所述当前情绪分值之前的所有情绪分值的累加值。

在本申请的一个实施例中，基于前述方案，确定子单元执行基于情绪识别结果，确定当前情绪分值，用于：

确定预设的情绪打分表中，与所述情绪识别结果相匹配的微表情；

将所匹配的微表情对应的分值确定为当前情绪分值。

在本申请的一个实施例中，基于前述方案，处理单元502执行对所述视频进行处理，得到所述视频中包含的所有人脸图像，用于：

对所述视频进行解帧处理，得到多帧视频图像；

对每帧视频图像进行人脸区域识别，确定每帧视频图像中的人脸区域；

对每帧视频图像中的人脸区域进行截取，得到多张人脸图像。

本申请实施例还提供了一种存储介质，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行以下操作：

按预设时间间隔采集预设区域的视频；

对所述视频进行处理，得到所述视频中包含的所有人脸图像；

确定各张人脸图像中包括的目标图像；所述目标图像为目标对象的人脸图像，所述目标对象工作于所述预设区域；

利用预先构建的情绪识别模型，对所述目标图像进行处理，得到所述目标图像对应的情绪识别结果；

基于情绪识别结果，计算当前情绪累加分值；

若所述当前情绪累加分值小于预设阈值，则发出预警通知。

本申请实施例还提供了一种电子设备，其结构示意图如图6所示，具体包括存储器601，以及一个或者一个以上的指令602，其中一个或者一个以上指令602存储于存储器601中，且经配置以由一个或者一个以上处理器603执行所述一个或者一个以上指令602进行以下操作：

按预设时间间隔采集预设区域的视频；

对所述视频进行处理，得到所述视频中包含的所有人脸图像；

确定各张人脸图像中包括的目标图像；所述目标图像为目标对象的人脸图像，所述目标对象工作于所述预设区域；

利用预先构建的情绪识别模型，对所述目标图像进行处理，得到所述目标图像对应的情绪识别结果；

基于情绪识别结果，计算当前情绪累加分值；

若所述当前情绪累加分值小于预设阈值，则发出预警通知。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于系统类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

为了描述的方便，描述以上系统时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。

以上对本申请所提供的一种情绪预警方法及装置进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种情绪预警方法，其特征在于，包括：

按预设时间间隔采集预设区域的视频；

对所述视频进行处理，得到所述视频中包含的所有人脸图像；

确定各张人脸图像中包括的目标图像；所述目标图像为目标对象的人脸图像，所述目标对象工作于所述预设区域；

利用预先构建的情绪识别模型，对所述目标图像进行处理，得到所述目标图像对应的情绪识别结果；

基于情绪识别结果，计算当前情绪累加分值；

若所述当前情绪累加分值小于预设阈值，则发出预警通知。

2.根据权利要求1所述的方法，其特征在于，所述确定各张人脸图像中包括的目标图像，包括：

对每张人脸图像进行人脸特征识别，得到每张人脸图像的人脸特征信息；

获取预先存储的所述目标对象对应的目标人脸特征信息；

分别将每张人脸图像的人脸特征信息和所述目标人脸特征信息进行匹配；

将与所述目标人脸特征信息相匹配的人脸特征信息所对应的人脸图像作为目标图像。

3.根据权利要求1所述的方法，其特征在于，所述基于情绪识别结果，计算当前情绪累加分值，包括：

基于情绪识别结果，确定当前情绪分值；

基于所述当前情绪分值，和前一次情绪累加分值，计算当前情绪累加分值；其中，所述前一次情绪累加分值为所述当前情绪分值之前的所有情绪分值的累加值。

4.根据权利要求3所述的方法，其特征在于，所述基于情绪识别结果，确定当前情绪分值，包括：

确定预设的情绪打分表中，与所述情绪识别结果相匹配的微表情；

将所匹配的微表情对应的分值确定为当前情绪分值。

5.根据权利要求1所述的方法，其特征在于，所述对所述视频进行处理，得到所述视频中包含的所有人脸图像，包括：

对所述视频进行解帧处理，得到多帧视频图像；

对每帧视频图像进行人脸区域识别，确定每帧视频图像中的人脸区域；

对每帧视频图像中的人脸区域进行截取，得到多张人脸图像。

6.一种情绪预警装置，其特征在于，包括：

采集单元，用于按预设时间间隔采集预设区域的视频；

处理单元，用于对所述视频进行处理，得到所述视频中包含的所有人脸图像；

确定单元，用于确定各张人脸图像中包括的目标图像；所述目标图像为目标对象的人脸图像，所述目标对象工作于所述预设区域；

识别单元，用于利用预先构建的情绪识别模型，对所述目标图像进行处理，得到所述目标图像对应的情绪识别结果；

计算单元，用于基于情绪识别结果，计算当前情绪累加分值；

预警单元，用于若所述当前情绪累加分值小于预设阈值，则发出预警通知。

7.根据权利要求6所述的装置，其特征在于，所述确定单元执行确定各张人脸图像中包括的目标图像，用于：

对每张人脸图像进行人脸特征识别，得到每张人脸图像的人脸特征信息；

获取预先存储的所述目标对象对应的目标人脸特征信息；

分别将每张人脸图像的人脸特征信息和所述目标人脸特征信息进行匹配；

将与所述目标人脸特征信息相匹配的人脸特征信息所对应的人脸图像作为目标图像。

8.根据权利要求6所述的装置，其特征在于，所述计算单元，包括：

确定子单元，用于基于情绪识别结果，确定当前情绪分值；

计算子单元，用于基于所述当前情绪分值，和前一次情绪累加分值，计算当前情绪累加分值；其中，所述前一次情绪累加分值为所述当前情绪分值之前的所有情绪分值的累加值。

9.根据权利要求8所述的装置，其特征在于，所述确定子单元执行基于情绪识别结果，确定当前情绪分值，用于：

确定预设的情绪打分表中，与所述情绪识别结果相匹配的微表情；

将所匹配的微表情对应的分值确定为当前情绪分值。

10.根据权利要求6所述的装置，其特征在于，所述处理单元执行对所述视频进行处理，得到所述视频中包含的所有人脸图像，用于：

对所述视频进行解帧处理，得到多帧视频图像；

对每帧视频图像进行人脸区域识别，确定每帧视频图像中的人脸区域；

对每帧视频图像中的人脸区域进行截取，得到多张人脸图像。

Images