CN114973359A - 表情识别方法及装置、电子设备和存储介质 - Google Patents
表情识别方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114973359A CN114973359A CN202210508932.1A CN202210508932A CN114973359A CN 114973359 A CN114973359 A CN 114973359A CN 202210508932 A CN202210508932 A CN 202210508932A CN 114973359 A CN114973359 A CN 114973359A
- Authority
- CN
- China
- Prior art keywords
- image
- affine matrix
- network
- feature
- face mask
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种表情识别方法及装置、电子设备和存储介质,所述方法包括:对待识别图像进行特征提取,得到第一特征图,所述待识别图像包括人脸;根据所述第一特征图,分别确定仿射矩阵及人脸掩膜图,所述人脸掩膜图用于指示所述待识别图像中所述人脸所在的区域;根据所述仿射矩阵及所述人脸掩膜图,对所述待识别图像进行处理,得到第二特征图;对所述第二特征图进行表情识别,得到所述人脸对应的表情信息。本公开实施例能够降低算法复杂度,提高表情识别的准确性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种表情识别方法及装置、电子设备和存储介质。
背景技术
人脸表情识别在心理学、智能机器人、虚拟现实、合成动画等领域具有很大的潜在应用价值。相关技术中,进行人脸表情识别时,通常需要事先对待识别图像进行人脸检测,得到人脸框,然后再进一步基于人脸框进行表情识别。这种非端对端的处理过程,不仅算法复杂度高,而且使用的人脸框通常包含部分背景信息,影响人脸表情识别的准确性。
发明内容
本公开提出了一种表情识别技术方案。
根据本公开的一方面,提供了一种表情识别方法,包括:对待识别图像进行特征提取,得到第一特征图,所述待识别图像包括人脸;根据所述第一特征图,分别确定仿射矩阵及人脸掩膜图,所述人脸掩膜图用于指示所述待识别图像中所述人脸所在的区域;根据所述仿射矩阵及所述人脸掩膜图,对所述待识别图像进行处理,得到第二特征图;对所述第二特征图进行表情识别,得到所述人脸对应的表情信息。
在一种可能的实现方式中,所述根据所述仿射矩阵及所述人脸掩膜图,对所述待识别图像进行处理,得到第二特征图,包括:对所述人脸掩膜图及所述待识别图像执行点乘操作,得到第三特征图;根据所述仿射矩阵,对所述第三特征图进行仿射变换,得到第二特征图。
在一种可能的实现方式中,所述根据所述第一特征图,分别确定仿射矩阵及人脸掩膜图,包括:对所述第一特征图进行特征提取,得到维度为6的特征向量;对所述特征向量进行尺寸变换,得到尺寸为2行3列的仿射矩阵。
在一种可能的实现方式中,所述根据所述第一特征图,分别确定仿射矩阵及人脸掩膜图,包括:对所述第一特征图进行特征提取,得到第四特征图;对所述第四特征图进行激活处理,得到第五特征图;根据预设阈值,对所述第五特征图进行二值化处理,得到人脸掩膜图,所述人脸掩膜图与所述待识别图像具有相同的尺寸。
在一种可能的实现方式中,所述方法通过神经网络实现,所述神经网络包括特征提取子网络、掩膜图生成子网络、仿射矩阵生成子网络、空间转换子网络及表情识别子网络,其中,所述特征提取子网络用于对所述待识别图像进行特征提取,得到所述第一特征图,所述掩膜图生成子网络用于对所述第一特征图进行处理,得到所述人脸掩膜图,所述仿射矩阵生成子网络用于对所述第一特征图进行处理,得到所述仿射矩阵,所述空间转换子网络用于根据所述仿射矩阵及所述人脸掩膜图,对所述待识别图像进行处理,得到第二特征图,所述表情识别子网络用于对所述第二特征图进行表情识别,得到所述人脸对应的表情信息。
在一种可能的实现方式中,所述方法还包括:根据预设的训练集,对所述神经网络进行训练,其中,所述训练集包括多个样本图像及各所述样本图像对应的参考人脸掩膜图、参考仿射矩阵及参考表情信息。
在一种可能的实现方式中,所述根据预设的训练集,对所述神经网络进行训练,包括:对于所述训练集中的任一样本图像,将所述样本图像输入所述特征提取子网络进行特征提取,得到第一样本特征图;将所述第一样本特征图,分别输入所述掩膜图生成子网络及所述仿射矩阵生成子网络进行处理,得到预测人脸掩膜图及预测仿射矩阵;将所述预测人脸掩膜图、所述预测仿射矩阵及所述样本图像,输入所述空间转换子网络进行处理,得到第二样本特征图;将所述第二样本特征图,输入所述表情识别子网络进行表情识别,得到预测表情信息;根据所述预测人脸掩膜图、所述预测仿射矩阵、所述预测表情信息、所述样本图像对应的参考人脸掩膜图、参考仿射矩阵及参考表情信息,确定所述样本图像对应的第一损失;根据各样本图像对应的第一损失,确定第二损失;根据所述第二损失,优化所述神经网络。
在一种可能的实现方式中,所述根据所述预测人脸掩膜图、所述预测仿射矩阵、所述预测表情信息、所述样本图像对应的参考人脸掩膜图、参考仿射矩阵及参考表情信息,确定所述样本图像对应的第一损失,包括:根据所述预测人脸掩膜图及所述参考人脸掩膜图,确定掩膜图生成损失;根据所述预测仿射矩阵及所述参考仿射矩阵,确定仿射矩阵生成损失;根据所述预测表情信息及所述参考表情信息,确定表情识别损失;根据预设权重、所述掩膜图生成损失、所述仿射矩阵生成损失及所述表情识别损失,确定所述样本图像对应的第一损失。
根据本公开的一方面,提供了一种表情识别装置,包括:第一特征图确定模块,用于对待识别图像进行特征提取,得到第一特征图,所述待识别图像包括人脸;仿射矩阵及掩膜图确定模块,用于根据所述第一特征图,分别确定仿射矩阵及人脸掩膜图,所述人脸掩膜图用于指示所述待识别图像中所述人脸所在的区域;第二特征图确定模块,用于根据所述仿射矩阵及所述人脸掩膜图,对所述待识别图像进行处理,得到第二特征图;表情识别模块,用于对所述第二特征图进行表情识别,得到所述人脸对应的表情信息。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中,在进行表情识别时,首先对包括人脸的待识别图像进行特征提取,得到第一特征图,并根据第一特征图,分别确定仿射矩阵、及用于指示待识别图像中人脸所在的区域(即人脸区域)的人脸掩膜图,然后根据仿射矩阵及人脸掩膜图,对待识别图像进行处理,得到第二特征图,并对第二特征图进行表情识别,得到人脸对应的表情信息。通过这种方式,不仅能够实现端对端的人脸表情识别(即同时优化并进行人脸检测、矫正及表情识别),降低算法复杂度,而且能够基于不包含背景信息的人脸区域进行表情识别,从而提高表情识别的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的表情识别方法的流程图。
图2示出根据本公开实施例的表情识别方法的应用示意图。
图3示出根据本公开实施例的表情识别装置的框图。
图4示出根据本公开实施例的一种电子设备的框图。
图5示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
本公开实施例的表情识别方法,可以由终端设备或服务器等电子设备执行,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等,所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者,可通过服务器执行所述方法。
图1示出根据本公开实施例的表情识别方法的流程图,如图1所示,所述表情识别方法包括:
在步骤S11中,对待识别图像进行特征提取,得到第一特征图,所述待识别图像包括人脸;
在步骤S12中,根据所述第一特征图,分别确定仿射矩阵及人脸掩膜图,所述人脸掩膜图用于指示所述待识别图像中所述人脸所在的区域;
在步骤S13中,根据所述仿射矩阵及所述人脸掩膜图,对所述待识别图像进行处理,得到第二特征图;
在步骤S14中,对所述第二特征图进行表情识别,得到所述人脸对应的表情信息。
本公开的实施例,在进行表情识别时,首先对包括人脸的待识别图像进行特征提取,得到第一特征图,并根据第一特征图,分别确定仿射矩阵、以及用于指示待识别图像中人脸所在的区域(即人脸区域)的人脸掩膜图,然后根据仿射矩阵及人脸掩膜图,对待识别图像进行处理,得到第二特征图,并对第二特征图进行表情识别,得到人脸对应的表情信息。通过这种方式,不仅能够实现端对端的人脸表情识别(即同时优化并进行人脸检测、矫正及表情识别),降低算法复杂度,而且能够基于不包含背景信息的人脸区域进行表情识别,从而提高表情识别的准确性。
在一种可能的实现方式中,待识别图像可以为包括人脸的热成像图像。待识别图像中可包括一个或多个人脸,本公开对待识别图像中包括的人脸的具体数量不作限制。
在一种可能的实现方式中,待识别图像可以是通过热成像设备(例如热成像摄像机、红外摄像头等)实时采集的包括人脸的图像或视频帧。例如,对于线下门店(例如商场、超市等),可在其入口、出口或其他重要区域,安装热成像设备,并通过热成像设备实时采集到店顾客的图像或视频,可将采集的图像中包括至少一个人脸的图像、或者将采集的视频中包括至少一个人脸的视频帧,确定为待识别图像。再例如,在人机交互场景中,可通过电子设备(例如智能机器人)的热成像部件(例如红外摄像头等),实时采集与电子设备交互的目标对象的图像或视频,并将采集的图像中包括目标对象的人脸的图像、或者将采集的视频中包括目标对象的人脸的视频帧,确定为待识别图像。
在一种可能的实现方式中,待识别图像也可以是云端服务器、数据库等服务器中存储的包括人脸的热成像图像;待识别图像还可以是从网络上获取的包括人脸的热成像图像,或者是通过其他方法获取的包括人脸的热成像图像。本公开对待识别图像的具体获取方式不作限制。
通过将包括人脸的热成像图像作为待识别图像(即表情识别的输入图像),能够结合热成像图像中包括的面部体表温度信息与图像信息,来进行表情识别,使得表情识别不受光线影响,从而提高表情识别的泛化性能。
在一种可能的实现方式中,待识别图像可以为包括人脸的自然图像(即在自然光条件下采集的图像,例如RGB图像)。例如,待识别图像可以是通过摄像头、摄像机、相机等图像采集设备在自然光条件下实时采集的包括人脸的图像或视频帧;待识别图像也可以是云端服务器、数据库等服务器中存储的包括人脸的自然图像;待识别图像还可以是从网络上获取的包括人脸的自然图像,或者是通过其他方法获取的包括人脸的自然图像。本公开对待识别图像的具体获取方式不作限制。
在一种可能的实现方式中,在可步骤S11中,通过特征提取算法、卷积神经网络、编码器等,对待识别图像进行特征提取,得到第一特征图。第一特征图的尺寸可小于待识别图像的尺寸。例如,假设待识别图像的尺寸为H1×W1(H1为待识别图像的高度,W1为待识别图像的宽度),可通过编码器对待识别图像进行特征提取,得到第一特征图,第一特征图的尺寸为H2×W2(H2为第一特征图的高度,W2为第一特征图的宽度),H2<H1且W2<W1。
通过这种方式,不仅能够提取待识别图像的特征,而且能够缩小图像尺寸,从而降低后续处理的算法复杂度,提高处理效率。
在一种可能的实现方式中,通过步骤S11得到第一特征图后,可在步骤S12中,根据所述第一特征图,分别确定仿射矩阵及人脸掩膜图。
在一种可能的实现方式中,可根据第一特征图,确定仿射矩阵,仿射矩阵可用于对图像进行仿射变换,以便在后续处理过程中实现图像矫正(例如在图像中的人脸存在歪头等情况时,可在处理过程中通过仿射变换对图像进行矫正,矫正后的图像中的人脸为正脸,这里的图像矫正也可称为人脸矫正),从而提高表情识别的准确性。仿射矩阵的尺寸为2行3列。
在一种可能的实现方式中,根据第一特征图确定仿射矩阵时,可首先对第一特征图进行特征提取,得到维度为6的特征向量,然后对该维度为6的特征向量进行尺寸变换,得到尺寸为2行3列(即2×3)的仿射矩阵。通过这种方式,能够根据第一特征图确定仿射矩阵,从而能够在后续处理过程中根据仿射矩阵对图像进行仿射变换,实现图像矫正。
在一种可能的实现方式中,根据第一特征图确定仿射矩阵时,也可直接使用预训练的用于生成仿射矩阵的神经网络,对第一特征图进行处理,得到仿射矩阵。本公开对用于生成仿射矩阵的神经网络的具体结构及类型均不作限制。
在一种可能的实现方式中,得到第一特征图后,还可根据第一特征图,确定人脸掩膜图,人脸掩膜图可用于指示待识别图像中人脸所在的区域(即人脸区域)。人脸掩膜图可以为由0和1组成的二值图,其中,值为1的像素点所在的区域为人脸区域,值为0的像素点所在的区域为除人脸区域之外的背景区域。与现有技术中人脸检测得到的、包含部分背景信息的人脸框相比,本公开实施例的人脸掩膜图指示的人脸区域不包括背景信息。
在一种可能的实现方式中,根据第一特征图确定人脸掩膜图时,可对第一特征图进行特征提取,得到第四特征图,然后对第四特征图进行激活处理,得到第五特征图,再根据预设阈值,对第五特征图进行二值化处理,得到人脸掩膜图。人脸掩膜图的尺寸与待识别图像的尺寸相同,也为H1×W1。
举例来说,在根据第一特征图确定人脸掩膜图时,可首先对第一特征图进行特征提取,得到第四特征图,第四特征图的尺寸与待识别图像的尺寸相同;然后使用Sigmoid函数对第四特征图进行激活处理,将第四特征图中的各个像素点的值映射到(0,1)区间,得到第五特征图;然后根据预设阈值(例如为0.5),对第五特征图进行二值化处理,即将第五特征图中值大于或等于预设阈值(0.5)的像素点的值设置为1,将第五特征图中值小于预设阈值(0.5)的像素点的值设置为0,从而得到与待识别图像的尺寸相同的人脸掩膜图,该人脸掩膜图中,值为1的像素点所在区域为人脸区域,值为0的像素点所在的区域为除人脸区域之外的背景区域。
需要说明的是,本领域技术人员可根据实际情况设置激活函数的具体类型、以及预设阈值的具体取值,本公开对此不作限制。
通过这种方式,能够得到与待识别图像尺寸相同的、用于指示待识别图像中的人脸所在的区域的人脸掩膜图,从而能够在后续处理过程中,基于人脸掩膜图实现人脸注意力机制。
在一种可能的实现方式中,根据第一特征图确定人脸掩膜图时,也可直接使用预训练的用于生成人脸掩膜图的神经网络,对第一特征图进行处理,得到人脸掩膜图。本公开对用于生成人脸掩膜图的神经网络的具体结构及类型均不作限制。
需要说明的是,本领域技术人员可根据实际情况设置仿射矩阵及人脸掩膜图的具体确定方式,本公开对此不作限制。
在一种可能的实现方式中,得到仿射矩阵及人脸掩膜图后,可在步骤S13中,根据所述仿射矩阵及所述人脸掩膜图,对所述待识别图像进行处理,得到第二特征图。在对待识别图像进行处理时,人脸掩膜图可用于实现人脸注意力机制,仿射矩阵可用于对图像的空间位置进行仿射变换,以实现图像矫正,从而得到基于人脸注意力机制的、矫正后的第二特征图。
在一种可能的实现方式中,根据仿射矩阵及人脸掩膜图对待识别图像进行处理时,可首先对人脸掩膜图及待识别图像执行点乘操作,即将人脸掩膜图与待识别图像中的相同位置的像素点的值相乘,得到第三特征图,从而能够将人脸掩膜图中的各个像素点的值作为权值,加权到待识别图像中,实现人脸注意机制;然后根据仿射矩阵,对第三特征图进行仿射变换,即使用仿射矩阵,对第三特征图中的各个像素点的空间位置进行仿射变换,得到第二特征图,从而实现图像矫正。通过这种方式,可以得到基于人脸注意力机制的、矫正后的第二特征图,基于该第二特征图进行表情识别,能够提高表情识别的准确性。
在一种可能的实现方式中,根据仿射矩阵及人脸掩膜图对待识别图像进行处理时,也可直接使用预训练的用于空间转换的神经网络。可将仿射矩阵、人脸掩膜图及待识别图像输入用于空间转换的神经网络中进行处理,得到第二特征图。本公开对用于空间转换的神经网络的具体结构及类型均不作限制。
在一种可能的实现方式中,在得到第二特征图后,可在步骤S14中,对所述第二特征图进行表情识别,得到所述人脸对应的表情信息。例如,对第二特征图进行表情识别时,可对第二特征图进行表情特征提取,然后根据预设的表情类别及提取的表情特征,确定人脸的表情属于各个表情类别的概率(即进行表情分类),并将人脸的表情属于各个表情类别的概率确定为该人脸对应的表情信息。人脸对应的表情信息可通过尺寸为C维的表情向量来表示,C为预设的表情类别的数量。
其中,C的具体取值及各个具体的表情类别,均可根据实际情况进行设定,本公开对此不作限制。例如,可将C的取值设为7,表示表情类别的数量为7,这7个表情类别可设置为高兴、伤心、害怕、愤怒、厌恶、惊讶及轻蔑。
在一种可能的实现方式中,对第二特征图进行表情识别时,也可直接将第二特征图输入预训练的用于表情识别的神经网络进行处理(例如进行表情特征提取及表情分类),得到人脸对应的表情信息。本公开对用于表情识别的神经网络的具体结构及类型均不作限制。
需要说明的是,本领域技术人员可根据实际情况设置对第二特征图进行表情识别的具体方式,本公开对此不作限制。
在一种可能的实现方式中,得到人脸对应的表情信息后,可从该表情信息中确定出最大概率值,并将与该最大概率值对应的表情类别,确定为人脸对应的表情类别。
在一种可能的实现方式中,本公开实施例的表情识别方法可通过神经网络实现。该神经网络可包括特征提取子网络、掩膜图生成子网络、仿射矩阵生成子网络、空间转换子网络及表情识别子网络。
其中,特征提取子网络可用于对待识别图像进行特征提取,得到第一特征图。特征提取子网络可包括卷积层、归一化层及激活函数等。例如,特征提取子网络可包括5层卷积层,每层卷积层后面均连接批归一化(Batch Normalization,BN)层及线性整流(LinearRectification Function,RELU)激活函数。特征提取子网络的输入为待识别图像,输出为第一特征图。第一特征图的尺寸小于待识别图像的尺寸。
特征提取子网络的输出(第一特征图)可同时作为掩膜图生成子网络及仿射矩阵生成子网络的输入,即掩膜图生成子网络及仿射矩阵生成子网络可以共享特征提取子网络的输出,从而能够降低神经网络复杂度,提高处理效率。
掩膜图生成子网络可用于对第一特征图进行处理,得到人脸掩膜图。由于人脸掩膜图的尺寸与待识别图像的尺寸相同,掩膜图生成子网络可包括反卷积层、归一化层及激活函数等。例如,掩膜图生成子网络可包括5层反卷积层,除最后一层反卷积层外,每层反卷积层后均连接BN层及RELU激活函数,最后一层反卷积层除了进行反卷积处理外,还能对反卷积处理后的特征图进行Sigmoid激活处理、二值化处理,得到与待识别图像的尺寸相同的人脸掩膜图。掩膜图生成子网络的输入为第一特征图,输出为人脸掩膜图。
仿射矩阵生成子网络可用于对第一特征图进行处理,得到仿射矩阵。仿射矩阵生成子网络可包括反卷积层、归一化层、激活函数及全连接层等。例如,仿射矩阵生成子网络可包括2层反卷积层(每层反卷积层后均连接归一化层及激活函数)、2层全连接层(用于进行特征提取及激活)及输出层(可用于将特征图转换为维度为6的特征向量,并对该特征向量进行尺寸变换,输出尺寸为2行3列的仿射矩阵)。仿射矩阵生成子网络的输入为第一特征图,输出为尺寸为2行3列的仿射矩阵。
空间转换子网络可用于根据仿射矩阵及人脸掩膜图,对待识别图像进行处理,得到第二特征图。空间转换子网络可用于实现点乘处理及仿射变换。空间转换子网络可对人脸掩膜图及待识别图像进行点乘处理,得到第三特征图,实现人脸注意力机制,进而根据仿射矩阵,对第三特征图进行仿射变换,得到第二特征图,实现图像矫正。空间转换子网络的输入为仿射矩阵、人脸掩膜图及待识别图像,输出为第二特征图。
表情识别子网络可用于对第二特征图进行表情识别,得到人脸对应的表情信息。表情识别子网络可通过对第二特征图进行表情特征提取及表情分类,来实现对第二特征图的表情识别。因此,表情识别子网络可以是卷积神经网络,例如,表情识别子网络可以采用与ResNet18类似的网络结构。表情识别子网络的输入为第二特征图,输出为待识别图像中的人脸对应的表情信息。
需要说明的是,上述仅对特征提取子网络、掩膜图生成子网络、仿射矩阵生成子网络、空间转换子网络、表情识别子网络的网络结构进行了示例性地说明。在实际应用中,特征提取子网络、掩膜图生成子网络、仿射矩阵生成子网络、空间转换子网络、表情识别子网络的网络结构还可以为其他结构,本领域技术人员可根据实际情况对其进行设置,本公开对此不作限制。
在本实施例中,能够通过包括特征提取子网络、掩膜图生成子网络、仿射矩阵生成子网络、空间转换子网络及表情识别子网络的神经网络,端对端地识别出输入图像中包括的人脸的表情(即可以端对端地进行人脸检测、矫正及表情识别),从而不仅能够降低神经网络复杂度,提高人脸表情识别的处理效率,而且能够在表情识别过程中使用人脸掩膜图确定的、不包含背景信息的人脸区域,以及通过仿射变换实现图像矫正,进而提高表情识别的准确性。
在一种可能的实现方式中,在本公开实施例的表情识别方法通过神经网络实现的情况下,为了提高神经网络的准确性,所述表情识别方法还可包括:根据预设的训练集,对所述神经网络进行训练,其中,所述训练集包括多个样本图像及各所述样本图像对应的参考人脸掩膜图、参考仿射矩阵及参考表情信息。
在一种可能的实现方式中,根据预设的训练集,对神经网络进行训练时,可首先对训练集中的所有样本图像,均执行下述处理:
对于训练集中的任一样本图像,可将该样本图像输入特征提取子网络进行特征提取,得到第一样本特征图;然后将第一样本特征图,分别输入掩膜图生成子网络及仿射矩阵生成子网络进行处理,得到预测人脸掩膜图及预测仿射矩阵;再将预测人脸掩膜图、预测仿射矩阵及该样本图像,输入空间转换子网络进行处理,得到第二样本特征图,并将第二样本特征图,输入表情识别子网络进行表情识别,得到预测表情信息。
然后可根据预测人脸掩膜图、预测仿射矩阵、预测表情信息、该样本图像对应的参考人脸掩膜图、参考仿射矩阵及参考表情信息,确定该样本图像对应的第一损失。
具体的,可根据预测人脸掩膜图及参考人脸掩膜图,确定掩膜图生成损失,该掩膜图生成损失可以为预测人脸掩膜图与参考人脸掩膜图之间的像素级交叉熵损失;根据预测仿射矩阵及参考仿射矩阵,确定仿射矩阵生成损失,该仿射矩阵生成损失可以为预测仿射矩阵与参考仿射矩阵中的相同位置的元素值之间的连续值平方损失;根据预测表情信息及参考表情信息,确定表情识别损失,该表情识别损失为预测表情信息与参考表情信息之间的交叉熵损失;然后再根据预设权重、掩膜图生成损失、仿射矩阵生成损失及表情识别损失,确定该样本图像对应的第一损失,即可根据预设权重,对掩膜图生成损失、仿射矩阵生成损失及表情识别损失进行加权求和,得到该样本图像对应的第一损失。
通过这种方式得到的样本图像对应的第一损失,包括掩膜图生成损失、仿射矩阵生成损失及表情识别损失这三部分,从而能够在神经网络训练过程中,在优化整个神经网络的同时,对各个子网络进行优化,不仅能够提高优化效率,减少训练时间,还能够提高神经网络的准确性。
对训练集中的各样本图像进行上述处理后,可得到各样本图像对应的第一损失,然后根据各样本图像对应的第一损失,确定第二损失,例如,可将各样本图像对应的第一损失之和,确定为第二损失;然后根据第二损失,通过反向传播等方式,优化神经网络。
可通过上述方式对神经网络进行多轮训练,在满足预设的训练结束条件的情况下,可结束训练,得到已训练的神经网络。其中,预设的训练结束条件可例如训练轮次达到预设的训练轮次阈值、网络损失收敛于一定区间内、神经网络在验证集上验证通过等。本领域技术人员可根据实际情况设置训练结束条件的具体内容,本公开对此不作限制。
通过这种方式对神经网络进行训练,能够不断优化神经网络,从而提高神经网络的准确性。
图2示出根据本公开实施例的表情识别方法的应用示意图。如图2所示,表情识别方法可通过神经网络220实现。待识别图像210为包括人脸的图像。对待识别图像210进行表情识别时,可将其输入神经网络220进行处理,得到待识别图像210中的人脸的表情信息230。
神经网络220包括特征提取子网络221、仿射矩阵生成子网络223、掩膜图生成子网络225、空间转换子网络227及表情识别子网络229。神经网络220对待识别图像210的处理过程如下:
将待识别图像210输入神经网络220后,神经网络220的特征提取子网络221可对待识别图像210进行特征提取,得到第一特征图222;然后将第一特征图222输入仿射矩阵生成子网络223进行处理,得到仿射矩阵224,同时,将第一特征图222输入掩膜图生成子网络225进行处理,得到人脸掩膜图226;之后将仿射矩阵224、人脸掩膜图226及待识别图像210输入空间转换子网络227进行处理,以实现人脸注意力机制及图像矫正,得到第二特征图228;然后将第二特征图228输入表情识别子网络229进行处理,得到待识别图像210中的人脸的表情信息230。
本公开实施例的表情识别方法,可应用于人机交互、智能控制、安全、医疗、通信等领域中需要进行人脸表情识别的场景。例如,在人机交互领域中的教育辅助机器人场景中,教育辅助机器人可通过本公开实施例的表情识别方法,识别出与其进行交互的学员的表情信息,进而根据表情信息,确定学员的情绪和心理。再例如,本公开实施例的表情识别方法还可用于对线下门店(例如商场、超市等)的顾客进行情绪分析,可通过线下门店安装的图像采集设备,实时采集进店顾客的图像或视频,得到包括顾客人脸的图像或视频帧,然后通过本公开实施例的表情识别方法,从包括顾客人脸的图像或视频帧中,识别出顾客的表情信息,进而可根据该表情信息,分析顾客在门店的体验满意度。
本公开的实施例,在进行表情识别时,首先对包括人脸的待识别图像进行特征提取,得到第一特征图,并根据第一特征图,分别确定仿射矩阵、以及用于指示待识别图像中人脸所在的区域(即人脸区域)的人脸掩膜图,然后根据仿射矩阵及人脸掩膜图,对待识别图像进行处理,得到第二特征图,并对第二特征图进行表情识别,得到人脸对应的表情信息。通过这种方式,不仅能够实现端对端的人脸表情识别(即同时优化并进行人脸检测、矫正及表情识别),降低算法复杂度,而且能够基于不包含背景信息的人脸区域进行表情识别,,从而提高表情识别的准确性。
本公开实施例的表情识别方法,还能够将人脸检测、矫正及表情识别集成到一个算法模型(例如神经网络)中,不仅能够降低算法模型的复杂度,而且在对算法模型进行优化时,还可以同时优化人脸检测、矫正及表情识别这三个子任务,从而提高算法模型的准确性,进而提高表情识别的准确性。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了表情识别装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种表情识别方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图3示出根据本公开实施例的表情识别装置的框图,如图3所示,所述装置包括:
第一特征图确定模块31,用于对待识别图像进行特征提取,得到第一特征图,所述待识别图像包括人脸;
仿射矩阵及掩膜图确定模块32,用于根据所述第一特征图,分别确定仿射矩阵及人脸掩膜图,所述人脸掩膜图用于指示所述待识别图像中所述人脸所在的区域;
第二特征图确定模块33,用于根据所述仿射矩阵及所述人脸掩膜图,对所述待识别图像进行处理,得到第二特征图;
表情识别模块34,用于对所述第二特征图进行表情识别,得到所述人脸对应的表情信息。
在一种可能的实现方式中,所述第二特征图确定模块33,包括:点乘子模块,用于对所述人脸掩膜图及所述待识别图像执行点乘操作,得到第三特征图;仿射变换子模块,用于根据所述仿射矩阵,对所述第三特征图进行仿射变换,得到第二特征图。
在一种可能的实现方式中,所述仿射矩阵及掩膜图确定模块32,包括:第一特征提取子模块,用于对所述第一特征图进行特征提取,得到维度为6的特征向量;尺寸变换子模块,用于对所述特征向量进行尺寸变换,得到尺寸为2行3列的仿射矩阵。
在一种可能的实现方式中,所述仿射矩阵及掩膜图确定模块32,包括:第二特征提取子模块,用于对所述第一特征图进行特征提取,得到第四特征图;激活子模块,用于对所述第四特征图进行激活处理,得到第五特征图;二值化处理子模块,用于根据预设阈值,对所述第五特征图进行二值化处理,得到人脸掩膜图,所述人脸掩膜图与所述待识别图像具有相同的尺寸。
在一种可能的实现方式中,所述装置通过神经网络实现,所述神经网络包括特征提取子网络、掩膜图生成子网络、仿射矩阵生成子网络、空间转换子网络及表情识别子网络,其中,所述特征提取子网络用于对所述待识别图像进行特征提取,得到所述第一特征图,所述掩膜图生成子网络用于对所述第一特征图进行处理,得到所述人脸掩膜图,所述仿射矩阵生成子网络用于对所述第一特征图进行处理,得到所述仿射矩阵,所述空间转换子网络用于根据所述仿射矩阵及所述人脸掩膜图,对所述待识别图像进行处理,得到第二特征图,所述表情识别子网络用于对所述第二特征图进行表情识别,得到所述人脸对应的表情信息。
在一种可能的实现方式中,所述装置还包括:训练模块,用于根据预设的训练集,对所述神经网络进行训练,其中,所述训练集包括多个样本图像及各所述样本图像对应的参考人脸掩膜图、参考仿射矩阵及参考表情信息。
在一种可能的实现方式中,所述训练模块,包括:
第一损失确定子模块,对于所述训练集中的任一样本图像,将所述样本图像输入所述特征提取子网络进行特征提取,得到第一样本特征图;将所述第一样本特征图,分别输入所述掩膜图生成子网络及所述仿射矩阵生成子网络进行处理,得到预测人脸掩膜图及预测仿射矩阵;将所述预测人脸掩膜图、所述预测仿射矩阵及所述样本图像,输入所述空间转换子网络进行处理,得到第二样本特征图;将所述第二样本特征图,输入所述表情识别子网络进行表情识别,得到预测表情信息;根据所述预测人脸掩膜图、所述预测仿射矩阵、所述预测表情信息、所述样本图像对应的参考人脸掩膜图、参考仿射矩阵及参考表情信息,确定所述样本图像对应的第一损失;第二损失确定子模块,用于根据各样本图像对应的第一损失,确定第二损失;优化子模块,用于根据所述第二损失,优化所述神经网络。
在一种可能的实现方式中,所述根据所述预测人脸掩膜图、所述预测仿射矩阵、所述预测表情信息、所述样本图像对应的参考人脸掩膜图、参考仿射矩阵及参考表情信息,确定所述样本图像对应的第一损失,包括:根据所述预测人脸掩膜图及所述参考人脸掩膜图,确定掩膜图生成损失;根据所述预测仿射矩阵及所述参考仿射矩阵,确定仿射矩阵生成损失;根据所述预测表情信息及所述参考表情信息,确定表情识别损失;根据预设权重、所述掩膜图生成损失、所述仿射矩阵生成损失及所述表情识别损失,确定所述样本图像对应的第一损失。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当所述计算机可读代码在电子设备的处理器中运行时,所述电子设备中的处理器执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图4示出根据本公开实施例的一种电子设备800的框图。例如,电子设备800可以是用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等终端设备。
参照图4,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如无线网络(Wi-Fi)、第二代移动通信技术(2G)、第三代移动通信技术(3G)、第四代移动通信技术(4G)、通用移动通信技术的长期演进(LTE)、第五代移动通信技术(5G)或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图5示出根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器或终端设备。参照图5,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如微软服务器操作系统(Windows ServerTM),苹果公司推出的基于图形用户界面操作系统(Mac OSXTM),多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM),开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分,所述模块、程序段或指令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。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,两个连续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动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。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考,为了简洁,本文不再赘述。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
若本申请技术方案涉及个人信息,应用本申请技术方案的产品在处理个人信息前,已明确告知个人信息处理规则,并取得个人自主同意。若本申请技术方案涉及敏感个人信息,应用本申请技术方案的产品在处理敏感个人信息前,已取得个人单独同意,并且同时满足“明示同意”的要求。例如,在摄像头等个人信息采集装置处,设置明确显著的标识告知已进入个人信息采集范围,将会对个人信息进行采集,若个人自愿进入采集范围即视为同意对其个人信息进行采集;或者在个人信息处理的装置上,利用明显的标识/信息告知个人信息处理规则的情况下,通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权;其中,个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (11)
1.一种表情识别方法,其特征在于,包括:
对待识别图像进行特征提取,得到第一特征图,所述待识别图像包括人脸;
根据所述第一特征图,分别确定仿射矩阵及人脸掩膜图,所述人脸掩膜图用于指示所述待识别图像中所述人脸所在的区域;
根据所述仿射矩阵及所述人脸掩膜图,对所述待识别图像进行处理,得到第二特征图;
对所述第二特征图进行表情识别,得到所述人脸对应的表情信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述仿射矩阵及所述人脸掩膜图,对所述待识别图像进行处理,得到第二特征图,包括:
对所述人脸掩膜图及所述待识别图像执行点乘操作,得到第三特征图;
根据所述仿射矩阵,对所述第三特征图进行仿射变换,得到第二特征图。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述第一特征图,分别确定仿射矩阵及人脸掩膜图,包括:
对所述第一特征图进行特征提取,得到维度为6的特征向量;
对所述特征向量进行尺寸变换,得到尺寸为2行3列的仿射矩阵。
4.根据权利要求1至3中任意一项所述的方法,其特征在于,所述根据所述第一特征图,分别确定仿射矩阵及人脸掩膜图,包括:
对所述第一特征图进行特征提取,得到第四特征图;
对所述第四特征图进行激活处理,得到第五特征图;
根据预设阈值,对所述第五特征图进行二值化处理,得到人脸掩膜图,所述人脸掩膜图与所述待识别图像具有相同的尺寸。
5.根据权利要求1至4中任意一项所述的方法,其特征在于,所述方法通过神经网络实现,所述神经网络包括特征提取子网络、掩膜图生成子网络、仿射矩阵生成子网络、空间转换子网络及表情识别子网络,
其中,所述特征提取子网络用于对所述待识别图像进行特征提取,得到所述第一特征图,
所述掩膜图生成子网络用于对所述第一特征图进行处理,得到所述人脸掩膜图,
所述仿射矩阵生成子网络用于对所述第一特征图进行处理,得到所述仿射矩阵,
所述空间转换子网络用于根据所述仿射矩阵及所述人脸掩膜图,对所述待识别图像进行处理,得到第二特征图,
所述表情识别子网络用于对所述第二特征图进行表情识别,得到所述人脸对应的表情信息。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
根据预设的训练集,对所述神经网络进行训练,其中,所述训练集包括多个样本图像及各所述样本图像对应的参考人脸掩膜图、参考仿射矩阵及参考表情信息。
7.根据权利要求6所述的方法,其特征在于,所述根据预设的训练集,对所述神经网络进行训练,包括:
对于所述训练集中的任一样本图像,将所述样本图像输入所述特征提取子网络进行特征提取,得到第一样本特征图;
将所述第一样本特征图,分别输入所述掩膜图生成子网络及所述仿射矩阵生成子网络进行处理,得到预测人脸掩膜图及预测仿射矩阵;
将所述预测人脸掩膜图、所述预测仿射矩阵及所述样本图像,输入所述空间转换子网络进行处理,得到第二样本特征图;
将所述第二样本特征图,输入所述表情识别子网络进行表情识别,得到预测表情信息;
根据所述预测人脸掩膜图、所述预测仿射矩阵、所述预测表情信息、所述样本图像对应的参考人脸掩膜图、参考仿射矩阵及参考表情信息,确定所述样本图像对应的第一损失;
根据各样本图像对应的第一损失,确定第二损失;
根据所述第二损失,优化所述神经网络。
8.根据权利要求7所述的方法,其特征在于,所述根据所述预测人脸掩膜图、所述预测仿射矩阵、所述预测表情信息、所述样本图像对应的参考人脸掩膜图、参考仿射矩阵及参考表情信息,确定所述样本图像对应的第一损失,包括:
根据所述预测人脸掩膜图及所述参考人脸掩膜图,确定掩膜图生成损失;
根据所述预测仿射矩阵及所述参考仿射矩阵,确定仿射矩阵生成损失;
根据所述预测表情信息及所述参考表情信息,确定表情识别损失;
根据预设权重、所述掩膜图生成损失、所述仿射矩阵生成损失及所述表情识别损失,确定所述样本图像对应的第一损失。
9.一种表情识别装置,其特征在于,包括:
第一特征图确定模块,用于对待识别图像进行特征提取,得到第一特征图,所述待识别图像包括人脸;
仿射矩阵及掩膜图确定模块,用于根据所述第一特征图,分别确定仿射矩阵及人脸掩膜图,所述人脸掩膜图用于指示所述待识别图像中所述人脸所在的区域;
第二特征图确定模块,用于根据所述仿射矩阵及所述人脸掩膜图,对所述待识别图像进行处理,得到第二特征图;
表情识别模块,用于对所述第二特征图进行表情识别,得到所述人脸对应的表情信息。
10.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至8中任意一项所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至8中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210508932.1A CN114973359A (zh) | 2022-05-10 | 2022-05-10 | 表情识别方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210508932.1A CN114973359A (zh) | 2022-05-10 | 2022-05-10 | 表情识别方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114973359A true CN114973359A (zh) | 2022-08-30 |
Family
ID=82980695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210508932.1A Pending CN114973359A (zh) | 2022-05-10 | 2022-05-10 | 表情识别方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114973359A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115391764A (zh) * | 2022-10-28 | 2022-11-25 | 吉林信息安全测评中心 | 一种基于图像识别技术的信息安全管理系统 |
-
2022
- 2022-05-10 CN CN202210508932.1A patent/CN114973359A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115391764A (zh) * | 2022-10-28 | 2022-11-25 | 吉林信息安全测评中心 | 一种基于图像识别技术的信息安全管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110084775B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111462268B (zh) | 图像重建方法及装置、电子设备和存储介质 | |
CN111310616B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110287874B (zh) | 目标追踪方法及装置、电子设备和存储介质 | |
US20210042567A1 (en) | Text recognition | |
CN110909815B (zh) | 神经网络训练、图像处理方法、装置及电子设备 | |
CN112241673B (zh) | 视频处理方法及装置、电子设备和存储介质 | |
CN109145970B (zh) | 基于图像的问答处理方法和装置、电子设备及存储介质 | |
CN110532956B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN112465843A (zh) | 图像分割方法及装置、电子设备和存储介质 | |
CN109977860B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111340048B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109685041B (zh) | 图像分析方法及装置、电子设备和存储介质 | |
CN111539410A (zh) | 字符识别方法及装置、电子设备和存储介质 | |
CN112184787A (zh) | 图像配准方法及装置、电子设备和存储介质 | |
CN110909203A (zh) | 视频分析方法及装置、电子设备和存储介质 | |
CN114332503A (zh) | 对象重识别方法及装置、电子设备和存储介质 | |
CN111435422B (zh) | 动作识别方法、控制方法及装置、电子设备和存储介质 | |
CN114973359A (zh) | 表情识别方法及装置、电子设备和存储介质 | |
CN111783752A (zh) | 人脸识别方法及装置、电子设备和存储介质 | |
CN111507131B (zh) | 活体检测方法及装置、电子设备和存储介质 | |
CN109635926B (zh) | 用于神经网络的注意力特征获取方法、装置及存储介质 | |
CN111178115B (zh) | 对象识别网络的训练方法及系统 | |
CN114445753A (zh) | 人脸跟踪识别方法及装置、电子设备和存储介质 | |
CN114359808A (zh) | 目标检测方法及装置、电子设备和存储介质 |
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 |