CN115438718A - 情感识别方法、装置、计算机可读存储介质及终端设备 - Google Patents

Abstract

本申请属于人工智能技术领域，尤其涉及一种情感识别方法、装置、计算机可读存储介质及终端设备。所述方法包括：获取各个模态的输入信息；从各个模态的输入信息中分别提取各个模态的特征序列；从各个模态的特征序列中分别提取各个模态的上下文信息；对各个模态的上下文信息进行融合处理，得到融合上下文信息；根据融合上下文信息和各个模态的特征序列，分别计算各个模态的表征向量；对各个模态的表征向量进行融合处理，得到融合表征向量；使用分类器对融合表征向量进行处理，得到情感识别结果。在本申请中，使用的是各个模态的上下文信息融合得到的融合上下文信息，从而可以充分利用其它模态中的信息，有效提高了情感识别结果的准确性。

Description

情感识别方法、装置、计算机可读存储介质及终端设备

技术领域

本申请属于人工智能技术领域，尤其涉及一种情感识别方法、装置、计算机可读存储介质及终端设备。

背景技术

人在自然状态下的情感会引起多个模态的反应，较之于只使用单一模态信息进行情感识别的方法，将多模态信息融合进行情感识别的方法具有更好的性能。但在现有的多模态情感识别方法中，各个模态的表征向量的计算仍是彼此独立的，未能充分利用其它模态中的信息，导致情感识别结果的准确性较低。

发明内容

有鉴于此，本申请实施例提供了一种情感识别方法、装置、计算机可读存储介质及终端设备，以解决现有的情感识别方法存在的识别结果准确性较低的问题。

本申请实施例的第一方面提供了一种情感识别方法，可以包括：

获取各个模态的输入信息；

从各个模态的输入信息中分别提取各个模态的特征序列；

从各个模态的特征序列中分别提取各个模态的上下文信息；

对各个模态的上下文信息进行融合处理，得到融合上下文信息；

根据所述融合上下文信息和各个模态的特征序列，分别计算各个模态的表征向量；

对各个模态的表征向量进行融合处理，得到融合表征向量；

使用预设的分类器对所述融合表征向量进行处理，得到情感识别结果。

在第一方面的一种具体实现方式中，所述对各个模态的上下文信息进行融合处理，得到融合上下文信息，可以包括：

使用预设的线性加权模型对各个模态的上下文信息进行融合处理，得到所述融合上下文信息。

在第一方面的一种具体实现方式中，所述对各个模态的上下文信息进行融合处理，得到融合上下文信息，可以包括：

使用预设的注意力模型对各个模态的上下文信息进行融合处理，得到所述融合上下文信息。

在第一方面的一种具体实现方式中，所述根据所述融合上下文信息和各个模态的特征序列，分别计算各个模态的表征向量，可以包括：

以所述融合上下文信息为参照，分别对各个模态的特征序列计算时间和特征维度上的注意力分布；

根据所述注意力分布分别计算各个模态的表征向量。

在第一方面的一种具体实现方式中，所述对各个模态的表征向量进行融合处理，得到融合表征向量，可以包括：

将各个模态的表征向量依次进行拼接，得到所述融合表征向量；

或者

将各个模态的表征向量依次进行内积或外积计算，得到所述融合表征向量。

在第一方面的一种具体实现方式中，所述使用预设的分类器对所述融合表征向量进行处理，得到情感识别结果，可以包括：

将所述融合表征向量输入所述分类器中，并获取所述分类器输出的各个情感类别的概率值；

将概率值最大的情感类别作为所述情感识别结果。

在第一方面的一种具体实现方式中，所述各个模态可以包括视觉模态、语音模态和文本模态。

本申请实施例的第二方面提供了一种情感识别装置，可以包括：

输入信息获取模块，用于获取各个模态的输入信息；

特征序列提取模块，用于从各个模态的输入信息中分别提取各个模态的特征序列；

上下文信息提取模块，用于从各个模态的特征序列中分别提取各个模态的上下文信息；

上下文信息融合模块，用于对各个模态的上下文信息进行融合处理，得到融合上下文信息；

表征向量计算模块，用于根据所述融合上下文信息和各个模态的特征序列，分别计算各个模态的表征向量；

表征向量融合模块，用于对各个模态的表征向量进行融合处理，得到融合表征向量；

情感识别模块，用于使用预设的分类器对所述融合表征向量进行处理，得到情感识别结果。

在第二方面的一种具体实现方式中，所述上下文信息融合模块可以包括：

第一上下文信息融合单元，用于使用预设的线性加权模型对各个模态的上下文信息进行融合处理，得到所述融合上下文信息。

在第二方面的一种具体实现方式中，所述上下文信息融合模块可以包括：

第二上下文信息融合单元，用于使用预设的注意力模型对各个模态的上下文信息进行融合处理，得到所述融合上下文信息。

在第二方面的一种具体实现方式中，所述表征向量计算模块可以包括：

注意力分布计算单元，用于以所述融合上下文信息为参照，分别对各个模态的特征序列计算时间和特征维度上的注意力分布；

表征向量计算单元，用于根据所述注意力分布分别计算各个模态的表征向量。

在第二方面的一种具体实现方式中，所述表征向量融合模块可以包括：

第一表征向量融合单元，用于将各个模态的表征向量依次进行拼接，得到所述融合表征向量；

或者

第二表征向量融合单元，用于将各个模态的表征向量依次进行内积或外积计算，得到所述融合表征向量。

在第二方面的一种具体实现方式中，所述情感识别模块可以包括：

概率值计算单元，用于将所述融合表征向量输入所述分类器中，并获取所述分类器输出的各个情感类别的概率值；

情感识别结果确定单元，用于将概率值最大的情感类别作为所述情感识别结果。

在第二方面的一种具体实现方式中，所述各个模态可以包括视觉模态、语音模态和文本模态。

本申请实施例的第三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存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种情感识别方法的步骤。

本申请实施例的第四方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述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任一种情感识别方法的步骤。

本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述任一种情感识别方法的步骤。

本申请实施例与现有技术相比存在的有益效果是：本申请实施例获取各个模态的输入信息；从各个模态的输入信息中分别提取各个模态的特征序列；从各个模态的特征序列中分别提取各个模态的上下文信息；对各个模态的上下文信息进行融合处理，得到融合上下文信息；根据所述融合上下文信息和各个模态的特征序列，分别计算各个模态的表征向量；对各个模态的表征向量进行融合处理，得到融合表征向量；使用预设的分类器对所述融合表征向量进行处理，得到情感识别结果。通过本申请实施例，在计算各个模态的表征向量的过程中，使用的是各个模态的上下文信息融合得到的融合上下文信息，从而可以充分利用其它模态中的信息，有效提高了情感识别结果的准确性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，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一些实施例，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，还可以根据这些附图获得其它的附图。

图1为本申请实施例中一种情感识别方法的一个实施例流程图；

图2为以多模态的融合上下文信息代替单模态的上下文信息来作为参照的示例图；

图3为传统的多模态情感识别方法的示意图；

图4为本申请实施例中基于跨模态上下文的多模态情感识别方法的示意图；

图5为本申请实施例中一种情感识别装置的一个实施例结构图；

图6为本申请实施例中一种终端设备的示意框图。

具体实施方式

为使得本申请的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。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它实施例，都属于本申请保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本申请的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本申请实施例中，可以对各个模态的上下文信息进行融合处理，从而得到融合上下文信息，然后基于融合上下文信息来计算各个模态的表征向量，从而可以充分利用其它模态中的信息，有效提高了情感识别结果的准确性。

本申请实施例的执行主体可以为任意一种终端设备，包括但限于手机、平板电脑、桌上型计算机、笔记本、掌上电脑及机器人等。

请参阅图1，本申请实施例中一种情感识别方法的一个实施例可以包括：

步骤S101、获取各个模态的输入信息。

其中，各个模态包括视觉模态、语音模态、文本模态以及其它模态中的至少两个模态。

为了便于叙述，本申请实施例中以各个模态模块包括视觉模态、语音模态和文本模态这三个模态为例进行说明，在实际应用中，可以根据具体情况选择更多或更少的模态数量，具体选择何种模态也可以进行灵活设置，本申请实施例对此不作具体限定。

视觉模态的输入信息为视频帧，语音模态的输入信息为语音帧，文本模态的输入信息为文本数据。各个模态的输入信息可以是由用户提供的，也可以是从数据库中获取的，还可以是现场录制生成的。各个模态的输入信息对应于同一用户及同一时间段，例如，若要在甲用户某次说话时对其进行情感识别，则需同时获取甲用户说话时脸部的视频帧、说话时的语音帧以及说话内容的文本数据。

步骤S102、从各个模态的输入信息中分别提取各个模态的特征序列。

在本申请实施例的一种具体实现方式中，可以将视觉模态的输入信息输入预训练的视频特征提取神经网络，获取视频特征序列；将音频模态的输入信息输入预训练的音频特征提取神经网络，获取音频特征序列；将文本模态的输入信息输入预训练的文本特征提取神经网络，获取文本特征序列。

由于音频数据和视频数据均带有时间维度，而文本数据不具有时间维度，因此音频特征序列和视频特征序列均具有时间维度，而文本特征序列不具有时间维度。根据实际情况，可以将文本特征序列向音频数据的时间维度进行对齐处理，也可以将文本特征序列向视频数据的时间维度进行对齐处理。以将文本特征序列向音频数据的时间维度进行对齐处理为例，可以在文本特征序列中找到对应发音音素的文本语义特征数据，将文本特征序列中的每个文本语义特征数据与发音音素的时间维度对齐。

步骤S103、从各个模态的特征序列中分别提取各个模态的上下文信息。

在本申请实施例中，可以根据实际情况采用现有技术中的任意一种上下文信息提取方式，包括但限于LSTM、Transformer等模型以及迁移学习等技术。具体地，可以使用这些技术从视频特征序列中提取出视频上下文信息，从音频特征序列中提取出音频上下文信息，从文本特征序列中提取出文本上下文信息。

步骤S104、对各个模态的上下文信息进行融合处理，得到融合上下文信息。

在本申请实施例的一种具体实现方式中，可以使用预设的线性加权模型对各个模态的上下文信息进行融合处理，即分别为各个模态的上下文信息赋予对应的权重，根据权重对各个模态的上下文信息进行加权并求和，从而得到融合上下文信息。

在本申请实施例的另一种具体实现方式中，还可以使用预设的注意力模型或者其它现有技术中的任意一种信息融合处理模型来对各个模态的上下文信息进行融合处理，从而得到融合上下文信息，本申请实施例对此不作具体限定。

步骤S105、根据融合上下文信息和各个模态的特征序列，分别计算各个模态的表征向量。

对于传统的多模态情感识别方法而言，其中重要的一步是计算不定长的时间维度分布的特征的注意力，然后基于注意力分布将时间维度上分布的特征序列转化为定长的单模态表征向量。这个过程中会用到对应单模态的上下文信息来作为参照计算注意力，例如将对应单模态的上下文信息作为查询(query)与特征序列进行内积计算，然后通过softmax函数将计算结果转化为注意力权值。

传统的多模态情感识别方法的局限性在于，在计算单模态的表征时，默认其上下文信息仅从本模态的输入信息中提取。但实际上，上下文信息具有跨模态映射的特点。例如当语音信息模糊不清时，通过文本信息可以估计其语音模态的表现。基于跨模态的信息，可以获取更全面的上下文特征。如图2所示，仅通过语音模态的信息，可预测出当前的音素为fulan，但是整句话通过自动语音识别(Automatic Speech Recognition，ASR)的语言模型，预测出实际的文本是湖南，文本模态映射到语音模态的发音音素为hunan。这样通过文本和语音模态，可以获取比仅使用语音模态更多的上下文信息。

基于此原理，在本申请实施例中可以通过多模态信息提取更全面和准确的上下文信息，指导各个单模态的表征计算。即以多模态的融合上下文信息代替单模态的上下文信息来作为参照，分别对各个模态的特征序列计算时间和特征维度上的注意力分布，并根据注意力分布分别计算各个模态的表征向量。具体地，可以根据融合上下文信息和视频特征序列计算得到视频表征向量，根据融合上下文信息和音频特征序列计算得到音频表征向量，根据融合上下文信息和文本特征序列计算得到文本表征向量。

步骤S106、对各个模态的表征向量进行融合处理，得到融合表征向量。

在本申请实施例的一种具体实现方式中，可以将各个模态的表征向量依次进行拼接，从而得到融合表征向量。在本申请实施例的另一种具体实现方式中，还可以将各个模态的表征向量依次进行内积或外积计算，从而得到融合表征向量。

步骤S107、使用预设的分类器对融合表征向量进行处理，得到情感识别结果。

在本申请实施例中，可以根据实际情况采用现有技术中的任意一种分类器来进行情感识别，此处对分类器的具体模型结构不作具体限定。在得到融合标准向量后，可以将融合表征向量输入分类器中，并获取分类器输出的各个情感类别的概率值，其中，各个情感类别可以包括但不限于高兴、悲伤、生气等。最后，可以将概率值最大的情感类别作为情感识别结果。

图3所示为传统的多模态情感识别方法的示意图，图4所示为本申请实施例中基于跨模态上下文的多模态情感识别方法的示意图，通过对两者的比较可以看出，本申请实施例在计算各个模态的表征向量的过程中，使用的是各个模态的上下文信息融合得到的融合上下文信息，从而可以充分利用其它模态中的信息，有效提高了情感识别结果的准确性。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

对应于上文实施例所述的一种情感识别方法，图5示出了本申请实施例提供的一种情感识别装置的一个实施例结构图。

本实施例中，一种情感识别装置可以包括：

输入信息获取模块501，用于获取各个模态的输入信息；

特征序列提取模块502，用于从各个模态的输入信息中分别提取各个模态的特征序列；

上下文信息提取模块503，用于从各个模态的特征序列中分别提取各个模态的上下文信息；

上下文信息融合模块504，用于对各个模态的上下文信息进行融合处理，得到融合上下文信息；

表征向量计算模块505，用于根据所述融合上下文信息和各个模态的特征序列，分别计算各个模态的表征向量；

表征向量融合模块506，用于对各个模态的表征向量进行融合处理，得到融合表征向量；

情感识别模块507，用于使用预设的分类器对所述融合表征向量进行处理，得到情感识别结果。

在本申请实施例的一种具体实现方式中，所述上下文信息融合模块可以包括：

第一上下文信息融合单元，用于使用预设的线性加权模型对各个模态的上下文信息进行融合处理，得到所述融合上下文信息。

在本申请实施例的一种具体实现方式中，所述上下文信息融合模块可以包括：

第二上下文信息融合单元，用于使用预设的注意力模型对各个模态的上下文信息进行融合处理，得到所述融合上下文信息。

在本申请实施例的一种具体实现方式中，所述表征向量计算模块可以包括：

注意力分布计算单元，用于以所述融合上下文信息为参照，分别对各个模态的特征序列计算时间和特征维度上的注意力分布；

表征向量计算单元，用于根据所述注意力分布分别计算各个模态的表征向量。

在本申请实施例的一种具体实现方式中，所述表征向量融合模块可以包括：

第一表征向量融合单元，用于将各个模态的表征向量依次进行拼接，得到所述融合表征向量；

或者

第二表征向量融合单元，用于将各个模态的表征向量依次进行内积或外积计算，得到所述融合表征向量。

在本申请实施例的一种具体实现方式中，所述情感识别模块可以包括：

概率值计算单元，用于将所述融合表征向量输入所述分类器中，并获取所述分类器输出的各个情感类别的概率值；

情感识别结果确定单元，用于将概率值最大的情感类别作为所述情感识别结果。

在本申请实施例的一种具体实现方式中，所述各个模态可以包括视觉模态、语音模态和文本模态。

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，上述描述的装置，模块和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。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

图6示出了本申请实施例提供的一种终端设备的示意框图，为了便于说明，仅示出了与本申请实施例相关的部分。

如图6所示，该实施例的终端设备6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现上述各个情感识别方法实施例中的步骤，例如图1所示的步骤S101至步骤S107。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图5所示模块501至模块507的功能。

示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述终端设备6中的执行过程。

所述终端设备6可以是手机、平板电脑、桌上型计算机、笔记本、掌上电脑及机器人等计算设备。本领域技术人员可以理解，图6仅仅是终端设备6的示例，并不构成对终端设备6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，例如所述终端设备6还可以包括输入输出设备、网络接入设备、总线等。

所述处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器61可以是所述终端设备6的内部存储单元，例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备，例如所述终端设备6上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备6所需的其它程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，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单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/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存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种情感识别方法，其特征在于，包括：

获取各个模态的输入信息；

从各个模态的输入信息中分别提取各个模态的特征序列；

从各个模态的特征序列中分别提取各个模态的上下文信息；

对各个模态的上下文信息进行融合处理，得到融合上下文信息；

根据所述融合上下文信息和各个模态的特征序列，分别计算各个模态的表征向量；

对各个模态的表征向量进行融合处理，得到融合表征向量；

使用预设的分类器对所述融合表征向量进行处理，得到情感识别结果。

2.根据权利要求1所述的情感识别方法，其特征在于，所述对各个模态的上下文信息进行融合处理，得到融合上下文信息，包括：

使用预设的线性加权模型对各个模态的上下文信息进行融合处理，得到所述融合上下文信息。

3.根据权利要求1所述的情感识别方法，其特征在于，所述对各个模态的上下文信息进行融合处理，得到融合上下文信息，包括：

使用预设的注意力模型对各个模态的上下文信息进行融合处理，得到所述融合上下文信息。

4.根据权利要求1所述的情感识别方法，其特征在于，所述根据所述融合上下文信息和各个模态的特征序列，分别计算各个模态的表征向量，包括：

以所述融合上下文信息为参照，分别对各个模态的特征序列计算时间和特征维度上的注意力分布；

根据所述注意力分布分别计算各个模态的表征向量。

5.根据权利要求1所述的情感识别方法，其特征在于，所述对各个模态的表征向量进行融合处理，得到融合表征向量，包括：

将各个模态的表征向量依次进行拼接，得到所述融合表征向量；

或者

将各个模态的表征向量依次进行内积或外积计算，得到所述融合表征向量。

6.根据权利要求1所述的情感识别方法，其特征在于，所述使用预设的分类器对所述融合表征向量进行处理，得到情感识别结果，包括：

将所述融合表征向量输入所述分类器中，并获取所述分类器输出的各个情感类别的概率值；

将概率值最大的情感类别作为所述情感识别结果。

7.根据权利要求1至6中任一项所述的情感识别方法，其特征在于，所述各个模态包括视觉模态、语音模态和文本模态。

8.一种情感识别装置，其特征在于，包括：

输入信息获取模块，用于获取各个模态的输入信息；

特征序列提取模块，用于从各个模态的输入信息中分别提取各个模态的特征序列；

上下文信息提取模块，用于从各个模态的特征序列中分别提取各个模态的上下文信息；

上下文信息融合模块，用于对各个模态的上下文信息进行融合处理，得到融合上下文信息；

表征向量计算模块，用于根据所述融合上下文信息和各个模态的特征序列，分别计算各个模态的表征向量；

表征向量融合模块，用于对各个模态的表征向量进行融合处理，得到融合表征向量；

情感识别模块，用于使用预设的分类器对所述融合表征向量进行处理，得到情感识别结果。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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至7中任一项所述的情感识别方法的步骤。

10.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的情感识别方法的步骤。

Images