CN113434227A - 锁屏壁纸切换方法、装置、设备及存储介质 - Google Patents

Abstract

本发明涉及人脸识别领域，公开了一种锁屏壁纸切换方法、装置、设备及存储介质。该方法包括：获取前置相机采集的初始图像；根据预置识别算法，判断所述初始图像中是否存在人脸图像；若存在，则根据预置情绪识别算法，对所述人脸图像进行识别分析处理，得到所述人脸图像对应的情绪分类；在预置图像数据库中查询出所述情绪分类对应的图像集，以及从所述图像集中选择切换图像，将所述切换图像设置为锁屏壁纸。

Description

锁屏壁纸切换方法、装置、设备及存储介质

技术领域

本发明涉及人脸识别领域，尤其涉及一种锁屏壁纸切换方法、装置、设备及存储介质。

背景技术

当前壁纸切换的方式主要是通过用户进行设置，或者是指定某个图像文件夹，通过一定的规则从固定的图像文件夹中抓取图像，并根据图像设置出锁屏壁纸，各类锁屏壁纸给人们带来了良好的美学体验。

但是，当前锁屏切换方式，在体验上也存在一定的问题，即具有较大的随机性质，锁屏图像的变化不能适应人的状态进行贴合变化。人们有时在情绪低落时，锁屏却展示较为鲜艳的图像导致人的体验十分不适，而在人们情绪较为愉悦时，锁屏却可能展示较为朴素的图像使人的情绪不能得到很好的呼应。因此，需要一种能呼应用户情绪而改变锁屏图像的锁屏技术。

发明内容

本发明的主要目的在于解决在现有技术中锁屏图像并不能与人的情绪相互对应表现的技术问题。

本发明第一方面提供了一种锁屏壁纸切换方法，包括步骤：

获取前置相机采集的初始图像；

根据预置识别算法，判断所述初始图像中是否存在人脸图像；

若存在，则根据预置情绪识别算法，对所述人脸图像进行识别分析处理，得到所述人脸图像对应的情绪分类；

在预置图像数据库中查询出所述情绪分类对应的图像集，以及从所述图像集中选择切换图像，将所述切换图像设置为锁屏壁纸。

可选的，在本发明第一方面的第一种实现方式中，所述根据预置识别算法，判断所述初始图像中是否存在人脸图像包括：

对所述初始图像进行矩阵化，生成初始特征矩阵；

对所述初始特征矩阵进行第一截取拆分处理，得到第一矩阵，以及对所述第一矩阵进行第二截取拆分处理，得到第二矩阵，以及对所述第二矩阵进行第三截取拆分处理，得到第三矩阵；

对所述第一矩阵、所述第二矩阵、所述第三矩阵进行相同的卷积激活处理，得到第一丢失值、第二丢失值、第三丢失值；

将所述第一丢失值、所述第二丢失值、所述第三丢失值代入计算分析函数中，得到结果丢失值；

根据所述结果丢失值，判断所述初始图像中是否存在人脸图像。

可选的，在本发明第一方面的第二种实现方式中，所述计算分析函数包括：

L=L_cls（P_i，P_i ^*）+S₁P_i ^*L_box（t_i，t_i ^*）+S₂P_i ^*L_pts（l_i，l_i ^*），其中，L_cls（P_i，P_i ^*）为第一丢失值，L_box（t_i，t_i ^*）为第二丢失值，L_pts（l_i，l_i ^*）为第三丢失值，S₁为第一参数，S₂为第二参数，P_i ^*为测试图i的认定值，P_i为测试图i的命中概率，t_i为实际空间位置，t_i ^*为设定空间位置，l_i为面部节点实际位置，l_i ^*为面部节点设定位置，L为结果丢失值。

可选的，在本发明第一方面的第三种实现方式中，所述根据预置情绪识别算法，对所述人脸图像进行识别分析处理，得到所述人脸图像对应的情绪分类包括：

对所述人脸图像进行矩阵化处理，得到识别特征矩阵；

根据预置第一卷积矩阵，对所述识别特征矩阵进行卷积处理，得到整理特征矩阵；

根据预置最大池化矩阵，对所述整理特征矩阵进行最大池化处理，得到第二特征矩阵；

根据预置卷积矩阵集中卷积矩阵的排序，对所述第二特征矩阵依次进行卷积处理，得到第三特征矩阵；

将所述第三特征矩阵，进行平均池化处理，得到平均池化特征矩阵；

根据预置人脸激活函数，对所述平均池化特征矩阵进行激活处理，得到激活值；

基于预置分类对应表，匹配所述激活值对应情绪分类，得到所述人脸图像对应的情绪分类。

可选的，在本发明第一方面的第四种实现方式中，所述人脸激活函数包括：

，

其中，J为激活值，N为总数，cosQ_y（i），i=W_i ^Tx_i，W_i为归一化方向向量，x_i为嵌入特征归一化方向向量，Q为类空间角度，m为决策余量，N为计算单位的总数，r为归一化参数。

可选的，在本发明第一方面的第五种实现方式中，所述根据预置识别算法，判断所述初始图像中是否存在人脸图像之后，还包括：

若不存在，则控制所述前置相机采集新的初始图像。

可选的，在本发明第一方面的第六种实现方式中，所述从所述图像集中选择切换图像，将所述切换图像设置为锁屏壁纸包括：

基于预置随机函数，从所述图像集中随机选择切换图像，将所述切换图像设置为锁屏壁纸。

本发明第二方面提供了一种锁屏壁纸切换装置，所述锁屏壁纸切换装置包括：

获取模块，用于获取前置相机采集的初始图像；

判断模块，用于根据预置识别算法，判断所述初始图像中是否存在人脸图像；

分析模块，用于若存在，则根据预置情绪识别算法，对所述人脸图像进行识别分析处理，得到所述人脸图像对应的情绪分类；

壁纸设置模块，用于在预置图像数据库中查询出所述情绪分类对应的图像集，以及从所述图像集中选择切换图像，将所述切换图像设置为锁屏壁纸。

本发明第三方面提供了一种锁屏壁纸切换设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述锁屏壁纸切换设备执行上述的锁屏壁纸切换方法。

本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的锁屏壁纸切换方法。

在本发明实施例中，在人需要解锁屏幕时，基于前置摄像头采集图像，基于图像的内容，分析图像是否存在人脸，当确定人脸图像时，对人脸图像进行识别分析，通过分析后的结果得出相对应的人脸情绪结果，基于人脸情绪结果将锁屏界面的图像进行对应调整，实现了锁屏界面的人脸图像适应性变化，根据情绪改变锁屏状态。

附图说明

图1为本发明实施例中锁屏壁纸切换方法的一个实施例示意图；

图2为本发明实施例中锁屏壁纸切换装置的一个实施例示意图；

图3为本发明实施例中锁屏壁纸切换装置的另一个实施例示意图；

图4为本发明实施例中锁屏壁纸切换设备的一个实施例示意图。

具体实施方式

本发明实施例提供了一种锁屏壁纸切换方法、装置、设备及存储介质。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中锁屏壁纸切换方法的一个实施例包括：

101、获取前置相机采集的初始图像；

在本实施例中，预先设置的图像数据库中存储了大量分类图像，设置了各类情绪标签，不同情绪标签还设置有情绪等级。识别情绪过程中，会间隔采集前置相机的图像，并不是每个图像中都带有人脸图像，需要先进行人脸识别判断。

102、根据预置识别算法，判断初始图像中是否存在人脸图像；

在本实施例中，人脸识别图像中是否存在人脸过程中，主要先将人脸图像进行灰度化处理，然后提取每个像素的灰度值，得到人脸图像的特征矩阵。特征矩阵处理上，采用多层的区域划分进行识别。例如，第一层提取20000*20000的矩阵数据，第二层在第一层的基础上提取10000*10000的矩阵数据，第三层在第二层基础上提取5000*5000的区域，需要说明的是，第二层提取是分布提取，可以提取四个区域。第三层也是分布提取，在第二层基础上，每个第二层提取的四个区域都可以提取四个第三层的区域，则共有16个第三层的区域。将第一层矩阵、第二层矩阵、第三层矩阵都采用相同的卷积矩阵和卷积流程进行处理，并将相应的丢失值，在将丢失值带入分析函数中，即可产生结果丢失值，结果丢失值是作为人脸图像是否存在的依据，基于训练好的分类器对丢失值的分类判定，得到初始图像里是否存在人脸图像。

优选的，可以采取以下步骤：

1021、对初始图像进行矩阵化，生成初始特征矩阵；

1022、对初始特征矩阵进行第一截取拆分处理，得到第一矩阵，以及对第一矩阵进行第二截取拆分处理，得到第二矩阵，以及对第二矩阵进行第三截取拆分处理，得到第三矩阵；

1023、对第一矩阵、第二矩阵、第三矩阵进行相同的卷积激活处理，得到第一丢失值、第二丢失值、第三丢失值；

1024、将第一丢失值、第二丢失值、第三丢失值代入计算分析函数中，得到结果丢失值；

1025、根据结果丢失值，判断初始图像中是否存在人脸图像。

在1021-1025步骤中，矩阵化可以认为是对初始图像的灰度化，灰度化的方式可以是

，其中，gray为灰度值，R为红色通量，G为绿色通量，B为红色通量。第一层矩阵为160*160*256的深度，第二层矩阵为80*80*256的深度，第三层矩阵为40*40*256的深度，然后每个矩阵处理过程为256深度利用卷积矩阵变为128深度，再将128深度转变为64深度，64的深度再进行一次据卷积为64的深度，然后将64、64、128的深度组合为256的深度，再将组合完成后的256深度的矩阵，利用分析计算矩阵进行激活，L=L_cls（P_i，P_i ^*）+S₁P_i ^*L_box（t_i，t_i ^*）+S₂P_i ^*L_pts（l_i，l_i ^*），其中，L_cls（P_i，P_i ^*）为第一丢失值，L_box（t_i，t_i ^*）为第二丢失值，L_pts（l_i，l_i ^*）为第三丢失值，S₁是预先设置的第一参数代表着面部存在区域在整个激活函数上的占比调整值，代表相乘的面部存在区域在整个激活函数的重要性，S₂是预先设置的第二参数代表着面部节点在整个激活函数上的占比调整值，代表相乘的面部节点在整个激活函数的重要性，S₁可以设置为0.25，S₂可以设置为0.1。P_i ^*为测试图i的认定值，P_i为测试图i的命中概率，t_i为实际空间位置，t_i ^*为设定空间位置，l_i为面部节点实际位置，l_i ^*为面部节点设定位置，L为结果丢失值。L_cls（P_i，P_i ^*）为每个矩阵处理认定为面部是否准确的面部丢失值，其中P_i ^*为设定面部存在概率，P_i为实际处理计算出的概率，L_box（t_i，t_i ^*）为面部区域丢失值，t_i ^*={ t_x ^*，t_y ^*，t_w ^*，t_h ^*}为预设的面部区域，而t_i={ t_x，t_y，t_w，t_h}为实际面部存在区域，L_pts（l_i，l_i ^*）为面部标点丢失值，l_i={ l_i1，l_i2，l_i3，l_i4，l_i5}为实际的标记点l_i1，l_i2，l_i3，l_i4，l_i，而l_i ^*={ l_i1 ^*，l_i2 ^*，l_i3 ^*，l_i4 ^*，l_i5 ^*}为设置的标记点，。通过在训练分类器，对结果丢失值L进行判断。

在104步骤之后，还包括：

1026、若不存在，则控制前置相机采集新的初始图像。

在1026步骤中，如果判断为不存在人脸图像，则重新采集图像进行计算分析，得到新的初始图像，进行分析处理。

103、若存在，则根据预置情绪识别算法，对人脸图像进行识别分析处理，得到人脸图像对应的情绪分类；

在本实施例中，对人脸图像进行情绪识别，处理过程上，主要是进行多深度的卷积训练处理，目标主要针对人脸图像的情绪进行处理，在处理过程中主要是以多层次的训练为主，将最终得到的矩阵使用softmax函数激活处理，把人脸识别的情绪划分得出。

在103步骤中，可以执行以下操作：

1031、对人脸图像进行矩阵化处理，得到识别特征矩阵；

1032、根据预置第一卷积矩阵，对识别特征矩阵进行卷积处理，得到整理特征矩阵；

1033、根据预置最大池化矩阵，对整理特征矩阵进行最大池化处理，得到第二特征矩阵；

1034、根据预置卷积矩阵集中卷积矩阵的排序，对第二特征矩阵依次进行卷积处理，得到第三特征矩阵；

1035、将第三特征矩阵，进行平均池化处理，得到平均池化特征矩阵；

1036、根据预置人脸激活函数，对平均池化特征矩阵进行激活处理，得到激活值；

1037、基于预置分类对应表，匹配激活值对应情绪分类，得到人脸图像对应的情绪分类。

在1031-1037步骤中，先将人脸识别进行灰度化提取灰度值，这个过程类似于1021步骤，第一次卷积采用识别特征矩阵7*7*64的深度，卷积步长为2进行卷积，进行卷积得到112*112大小的整理特征矩阵。然后采用3*3的最大池化矩阵，卷积步长为2进行最大池化处理，得到第二特征矩阵。依次将3个{1*1*64，3*3*64，1*1*256}为第一组，4个{1*1*128，3*3*128，1*1*512}为第二组，6个{1*1*256，3*3*256，1*1*1024}为第三组，3个{1*1*512，3*3*512，1*1*2048}为第四组，进行卷积处理，得到第三特征矩阵。将第三特征矩阵通过平均池化矩阵，进行池化处理，生成平均池化特征矩阵。将平均池化矩阵，通过人脸激活函数进行激活处理，人脸激活函数包括：

，

其中，J为激活值，N为总数，cosQ_y（i），i=W_i ^Tx_i，W_i为归一化方向向量，y（i）为嵌入特征归一化方向向量，Q为类空间角度，m为决策余量，N为计算单位的总数，r为归一化参数，其中Q是表明两个类别在类空间之间夹角。

将激活值在分类对应表中进行查询，匹配出激活值的情绪分类，获得人脸图像的情绪种类，种类可以是，“开心”、“平静”、“愤怒”、“郁闷”、“伤心”、“愉快”、“兴奋”，还可以在分类下进行分级，1-5级的区别代表强度。

104、在预置图像数据库中查询出所述情绪分类对应的图像集，以及从所述图像集中选择切换图像，将所述切换图像设置为锁屏壁纸。

在本实施例中，将预置图像数据库中查询出情绪分类的类别和强度有关的图像集进行选择，需要说明的是图像集中的切换图像不仅只有一个，选择时，根据选择顺序和选择历史次数进行排序，顺序排序靠前的选择，历史次数较少的靠前选择，基于选择原则选择出切换图像，并将该切换图像设置为锁屏壁纸。

优选的，“从所述图像集中选择切换图像，将所述切换图像设置为锁屏壁纸”可以进行以下方式：

1041、基于预置随机函数，从图像集中随机选择切换图像，将切换图像设置为锁屏壁纸

在1041步骤中，在确定类型图像后，对整个图像集中的图像进行编号，再使用随机数生成函数，生成设定范围的随机数，基于生成随机数将图像抓取，得到切换图像，并将该切换图像设置成锁屏壁纸。

在本发明实施例中，在人需要解锁屏幕时，基于前置摄像头采集图像，基于图像的内容，分析图像是否存在人脸，当确定人脸图像时，对人脸图像进行识别分析，通过分析后的结果得出相对应的人脸情绪结果，基于人脸情绪结果将锁屏界面的图像进行对应调整，实现了锁屏界面的人脸图像适应性变化，根据情绪改变锁屏状态。

上面对本发明实施例中锁屏壁纸切换方法进行了描述，下面对本发明实施例中锁屏壁纸切换装置进行描述，请参阅图2，本发明实施例中锁屏壁纸切换装置一个实施例包括：

获取模块201，用于获取前置相机采集的初始图像；

判断模块202，用于根据预置识别算法，判断所述初始图像中是否存在人脸图像；

分析模块203，用于若存在，则根据预置情绪识别算法，对所述人脸图像进行识别分析处理，得到所述人脸图像对应的情绪分类；

壁纸设置模块204，用于在预置图像数据库中查询出所述情绪分类对应的图像集，以及从所述图像集中选择切换图像，将所述切换图像设置为锁屏壁纸。

在本发明实施例中，在人需要解锁屏幕时，基于前置摄像头采集图像，基于图像的内容，分析图像是否存在人脸，当确定人脸图像时，对人脸图像进行识别分析，通过分析后的结果得出相对应的人脸情绪结果，基于人脸情绪结果将锁屏界面的图像进行对应调整，实现了锁屏界面的人脸图像适应性变化，根据情绪改变锁屏状态。

请参阅图3，本发明实施例中锁屏壁纸切换装置的另一个实施例包括：

获取模块201，用于获取前置相机采集的初始图像；

判断模块202，用于根据预置识别算法，判断所述初始图像中是否存在人脸图像；

分析模块203，用于若存在，则根据预置情绪识别算法，对所述人脸图像进行识别分析处理，得到所述人脸图像对应的情绪分类；

壁纸设置模块204，用于在预置图像数据库中查询出所述情绪分类对应的图像集，以及从所述图像集中选择切换图像，将所述切换图像设置为锁屏壁纸。

其中，所述判断模块202具体用于：

对所述初始图像进行矩阵化，生成初始特征矩阵；

对所述初始特征矩阵进行第一截取拆分处理，得到第一矩阵，以及对所述第一矩阵进行第二截取拆分处理，得到第二矩阵，以及对所述第二矩阵进行第三截取拆分处理，得到第三矩阵；

对所述第一矩阵、所述第二矩阵、所述第三矩阵进行相同的卷积激活处理，得到第一丢失值、第二丢失值、第三丢失值；

将所述第一丢失值、所述第二丢失值、所述第三丢失值代入计算分析函数中，得到结果丢失值；

根据所述结果丢失值，判断所述初始图像中是否存在人脸图像。

其中，所述判断模块202应用的所述计算分析函数包括：

L=L_cls（P_i，P_i ^*）+S₁P_i ^*L_box（t_i，t_i ^*）+S₂P_i ^*L_pts（l_i，l_i ^*），其中，L_cls（P_i，P_i ^*）为第一丢失值，L_box（t_i，t_i ^*）为第二丢失值，L_pts（l_i，l_i ^*）为第三丢失值，S₁为第一参数，S₂为第二参数，P_i ^*为测试图i的认定值，P_i为测试图i的命中概率，t_i为实际空间位置，t_i ^*为设定空间位置，l_i为面部节点实际位置，l_i ^*为面部节点设定位置，L为结果丢失值。

其中，所述分析模块203具体用于：

对所述人脸图像进行矩阵化处理，得到识别特征矩阵；

根据预置第一卷积矩阵，对所述识别特征矩阵进行卷积处理，得到整理特征矩阵；

根据预置最大池化矩阵，对所述整理特征矩阵进行最大池化处理，得到第二特征矩阵；

根据预置卷积矩阵集中卷积矩阵的排序，对所述第二特征矩阵依次进行卷积处理，得到第三特征矩阵；

将所述第三特征矩阵，进行平均池化处理，得到平均池化特征矩阵；

根据预置人脸激活函数，对所述平均池化特征矩阵进行激活处理，得到激活值；

基于预置分类对应表，匹配所述激活值对应情绪分类，得到所述人脸图像对应的情绪分类。

其中，所述分析模块203应用的所述人脸激活函数包括：

，

其中，J为激活值，N为总数，cosQ_y（i），i=W_i ^Tx_i，W_i为归一化方向向量，x_i为嵌入特征归一化方向向量，Q为类空间角度，m为决策余量，N为计算单位的总数，r为归一化参数。

其中，所述锁屏壁纸切换装置还包括重新采集模块205，所述重新采集模块205具体用于：

若不存在，则控制所述前置相机采集新的初始图像。

其中，所述壁纸设置模块204具体用于：

基于预置随机函数，从所述图像集中随机选择切换图像，将所述切换图像设置为锁屏壁纸。

在本发明实施例中，在人需要解锁屏幕时，基于前置摄像头采集图像，基于图像的内容，分析图像是否存在人脸，当确定人脸图像时，对人脸图像进行识别分析，通过分析后的结果得出相对应的人脸情绪结果，基于人脸情绪结果将锁屏界面的图像进行对应调整，实现了锁屏界面的人脸图像适应性变化，根据情绪改变锁屏状态。

上面图2和图3从模块化功能实体的角度对本发明实施例中的锁屏壁纸切换装置进行详细描述，下面从硬件处理的角度对本发明实施例中锁屏壁纸切换设备进行详细描述。

图4是本发明实施例提供的一种锁屏壁纸切换设备的结构示意图，该锁屏壁纸切换设备400可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）410（例如，一个或一个以上处理器）和存储器420，一个或一个以上存储应用程序433或数据432的存储介质430（例如一个或一个以上海量存储设备）。其中，存储器420和存储介质430可以是短暂存储或持久存储。存储在存储介质430的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对锁屏壁纸切换设备400中的一系列指令操作。更进一步地，处理器410可以设置为与存储介质430通信，在锁屏壁纸切换设备400上执行存储介质430中的一系列指令操作。

基于锁屏壁纸切换设备400还可以包括一个或一个以上电源440，一个或一个以上有线或无线网络接口450，一个或一个以上输入输出接口460，和/或，一个或一个以上操作系统431，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图4示出的锁屏壁纸切换设备结构并不构成对基于锁屏壁纸切换设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述锁屏壁纸切换方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统或装置、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种锁屏壁纸切换方法，其特征在于，包括步骤：

获取前置相机采集的初始图像；

根据预置识别算法，判断所述初始图像中是否存在人脸图像；

若存在，则根据预置情绪识别算法，对所述人脸图像进行识别分析处理，得到所述人脸图像对应的情绪分类；

在预置图像数据库中查询出所述情绪分类对应的图像集，以及从所述图像集中选择切换图像，将所述切换图像设置为锁屏壁纸。

2.根据权利要求1所述的锁屏壁纸切换方法，其特征在于，所述根据预置识别算法，判断所述初始图像中是否存在人脸图像包括：

对所述初始图像进行矩阵化，生成初始特征矩阵；

对所述初始特征矩阵进行第一截取拆分处理，得到第一矩阵，以及对所述第一矩阵进行第二截取拆分处理，得到第二矩阵，以及对所述第二矩阵进行第三截取拆分处理，得到第三矩阵；

对所述第一矩阵、所述第二矩阵、所述第三矩阵进行相同的卷积激活处理，得到第一丢失值、第二丢失值、第三丢失值；

将所述第一丢失值、所述第二丢失值、所述第三丢失值代入计算分析函数中，得到结果丢失值；

根据所述结果丢失值，判断所述初始图像中是否存在人脸图像。

3.根据权利要求2所述的锁屏壁纸切换方法，其特征在于，所述计算分析函数包括：

L=L_cls（P_i，P_i ^*）+S₁P_i ^*L_box（t_i，t_i ^*）+S₂P_i ^*L_pts（l_i，l_i ^*），其中，L_cls（P_i，P_i ^*）为第一丢失值，L_box（t_i，t_i ^*）为第二丢失值，L_pts（l_i，l_i ^*）为第三丢失值，S₁为第一参数，S₂为第二参数，P_i ^*为测试图i的认定值，P_i为测试图i的命中概率，t_i为实际空间位置，t_i ^*为设定空间位置，l_i为面部节点实际位置，l_i ^*为面部节点设定位置，L为结果丢失值。

4.根据权利要求1所述的锁屏壁纸切换方法，其特征在于，所述根据预置情绪识别算法，对所述人脸图像进行识别分析处理，得到所述人脸图像对应的情绪分类包括：

对所述人脸图像进行矩阵化处理，得到识别特征矩阵；

根据预置第一卷积矩阵，对所述识别特征矩阵进行卷积处理，得到整理特征矩阵；

根据预置最大池化矩阵，对所述整理特征矩阵进行最大池化处理，得到第二特征矩阵；

根据预置卷积矩阵集中卷积矩阵的排序，对所述第二特征矩阵依次进行卷积处理，得到第三特征矩阵；

将所述第三特征矩阵，进行平均池化处理，得到平均池化特征矩阵；

根据预置人脸激活函数，对所述平均池化特征矩阵进行激活处理，得到激活值；

基于预置分类对应表，匹配所述激活值对应情绪分类，得到所述人脸图像对应的情绪分类。

5.根据权利要求4所述的锁屏壁纸切换方法，其特征在于，所述人脸激活函数包括：

，

其中，J为激活值，N为总数，cosQ_y（i），i=W_i ^Tx_i，W_i为归一化方向向量，x_i为嵌入特征归一化方向向量，Q为类空间角度，m为决策余量，N为计算单位的总数，r为归一化参数。

6.根据权利要求1所述的锁屏壁纸切换方法，其特征在于，在所述根据预置识别算法，判断所述初始图像中是否存在人脸图像之后，还包括：

若不存在，则控制所述前置相机采集新的初始图像。

7.根据权利要求1所述的锁屏壁纸切换方法，其特征在于，所述从所述图像集中选择切换图像，将所述切换图像设置为锁屏壁纸包括：

基于预置随机函数，从所述图像集中随机选择切换图像，将所述切换图像设置为锁屏壁纸。

8.一种锁屏壁纸切换装置，其特征在于，所述锁屏壁纸切换装置包括：

获取模块，用于获取前置相机采集的初始图像；

判断模块，用于根据预置识别算法，判断所述初始图像中是否存在人脸图像；

分析模块，用于若存在，则根据预置情绪识别算法，对所述人脸图像进行识别分析处理，得到所述人脸图像对应的情绪分类；

壁纸设置模块，用于在预置图像数据库中查询出所述情绪分类对应的图像集，以及从所述图像集中选择切换图像，将所述切换图像设置为锁屏壁纸。

9.一种锁屏壁纸切换设备，其特征在于，所述锁屏壁纸切换设备包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；

所述至少一个处理器调用所述存储器中的所述指令，以使得所述锁屏壁纸切换设备执行如权利要求1-7中任一项所述的锁屏壁纸切换方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的锁屏壁纸切换方法。

Images