[發(fā)明專利]一種基于微表情的圖像識(shí)別方法、裝置以及相關(guān)設(shè)備有效
| 申請(qǐng)?zhí)枺?/td> | 201811392529.7 | 申請(qǐng)日: | 2018-11-21 |
| 公開(kāi)(公告)號(hào): | CN109657554B | 公開(kāi)(公告)日: | 2022-12-20 |
| 發(fā)明(設(shè)計(jì))人: | 張凱皓;羅文寒;馬林;劉威 | 申請(qǐng)(專利權(quán))人: | 騰訊科技(深圳)有限公司 |
| 主分類號(hào): | G06V40/16 | 分類號(hào): | G06V40/16;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司: | 廣州三環(huán)專利商標(biāo)代理有限公司 44202 | 代理人: | 郝傳鑫;熊永強(qiáng) |
| 地址: | 518057 廣東省深圳*** | 國(guó)省代碼: | 廣東;44 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 表情 圖像 識(shí)別 方法 裝置 以及 相關(guān) 設(shè)備 | ||
1.一種基于微表情的圖像識(shí)別方法,其特征在于,包括:
獲取屬于第一表情類型的原始表情圖像,將所述原始表情圖像輸入圖像增強(qiáng)模型;所述屬于第一表情類型的原始表情圖像是包含微表情的圖像;所述圖像增強(qiáng)模型是根據(jù)屬于第一表情類型的樣本表情圖像和屬于第二表情類型的樣本表情圖像訓(xùn)練得到;所述屬于第二表情類型的樣本表情圖像的表情強(qiáng)度大于所述屬于第一表情類型的樣本圖像;所述圖像增強(qiáng)模型包括第一增強(qiáng)子模型和第二增強(qiáng)子模型;
將所述原始表情圖像中的表情標(biāo)識(shí)區(qū)域確定為單位原始表情圖像,并將所述單位原始表情圖像輸入所述第一增強(qiáng)子模型,在所述第一增強(qiáng)子模型中增強(qiáng)所述單位原始表情圖像的表情特征,得到單位輔助圖像;
將所述原始表情圖像輸入所述第二增強(qiáng)子模型,在所述第二增強(qiáng)子模型中增強(qiáng)所述原始表情圖像的表情特征,得到目標(biāo)輔助圖像;
根據(jù)所述單位原始表情圖像在所述原始表情圖像中的位置信息,將所述單位輔助圖像和所述目標(biāo)輔助圖像組合為目標(biāo)表情圖像;
識(shí)別與所述目標(biāo)表情圖像對(duì)應(yīng)的表情屬性類型,并將與所述目標(biāo)表情圖像對(duì)應(yīng)的表情屬性類型確定為與所述原始表情圖像對(duì)應(yīng)的表情屬性類型。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述將所述單位原始表情圖像輸入所述第一增強(qiáng)子模型,在所述第一增強(qiáng)子模型中增強(qiáng)所述單位原始表情圖像的表情特征,得到單位輔助圖像,包括:
將所述單位原始表情圖像輸入所述第一增強(qiáng)子模型的輸入層,得到與所述單位原始表情圖像對(duì)應(yīng)的第一原始矩陣;
從所述第一原始矩陣中隨機(jī)采樣,得到第一原始向量,根據(jù)所述第一增強(qiáng)子模型中的轉(zhuǎn)置卷積層,對(duì)所述第一原始向量進(jìn)行反卷積處理,得到第一目標(biāo)張量,并將所述第一目標(biāo)張量確定為所述單位輔助圖像。
3.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述將所述原始表情圖像輸入所述第二增強(qiáng)子模型,在所述第二增強(qiáng)子模型中增強(qiáng)所述原始表情圖像的表情特征,得到目標(biāo)輔助圖像,包括:
將所述原始表情圖像輸入所述第二增強(qiáng)子模型的輸入層,得到與所述原始表情圖像對(duì)應(yīng)的第二原始矩陣;
從所述第二原始矩陣中隨機(jī)采樣,得到第二原始向量,根據(jù)所述第二增強(qiáng)子模型中的轉(zhuǎn)置卷積層,對(duì)所述第二原始向量進(jìn)行反卷積處理,得到第二目標(biāo)張量,并將所述第二目標(biāo)張量確定為所述目標(biāo)輔助圖像。
4.根據(jù)權(quán)利要求1所述的方法,其特征在于,還包括:
將所述原始表情圖像二值化處理,得到二值圖像;
基于梯度算子對(duì)所述二值圖像進(jìn)行邊緣檢測(cè),得到梯度圖像,并在所述梯度圖像中確定邊緣輪廓所在的目標(biāo)位置信息;
在所述原始表情圖像中,將所述目標(biāo)位置信息所標(biāo)識(shí)的區(qū)域確定為所述表情標(biāo)識(shí)區(qū)域。
5.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述識(shí)別與所述目標(biāo)表情圖像對(duì)應(yīng)的表情屬性類型,包括:
將所述目標(biāo)表情圖像輸入圖像識(shí)別模型中;
根據(jù)所述圖像識(shí)別模型中的正向卷積層的卷積處理和池化層的池化處理,提取與所述目標(biāo)表情圖像對(duì)應(yīng)的目標(biāo)結(jié)構(gòu)特征信息;
根據(jù)所述圖像識(shí)別模型中的分類器,識(shí)別所述目標(biāo)結(jié)構(gòu)特征信息與所述圖像識(shí)別模型中多個(gè)表情屬性類型特征的匹配度,在由所述目標(biāo)結(jié)構(gòu)特征信息得到的多個(gè)匹配度中,將最大匹配度所對(duì)應(yīng)的表情屬性類型,作為與所述目標(biāo)表情圖像對(duì)應(yīng)的表情屬性類型。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于騰訊科技(深圳)有限公司,未經(jīng)騰訊科技(深圳)有限公司許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買(mǎi)此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.17sss.com.cn/pat/books/201811392529.7/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 獲取表情含義的方法和裝置
- 合成臉部表情圖像的方法和裝置
- 用于移動(dòng)終端的圖形用戶界面
- 表情識(shí)別方法、裝置、終端及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)
- 一種基于微表情的圖像識(shí)別方法、裝置以及相關(guān)設(shè)備
- 三維動(dòng)畫(huà)角色表情生成方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 表情問(wèn)答庫(kù)的構(gòu)建方法、表情搜索方法、裝置及存儲(chǔ)介質(zhì)
- 一種基于重構(gòu)跨域視頻生成對(duì)抗網(wǎng)絡(luò)模型的微表情識(shí)別方法
- 一種虛擬角色表情展現(xiàn)的方法和裝置
- 表情包的處理方法、裝置及智能設(shè)備
- 彩色圖像和單色圖像的圖像處理
- 圖像編碼/圖像解碼方法以及圖像編碼/圖像解碼裝置
- 圖像處理裝置、圖像形成裝置、圖像讀取裝置、圖像處理方法
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序以及圖像解碼程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序、以及圖像解碼程序
- 圖像形成設(shè)備、圖像形成系統(tǒng)和圖像形成方法
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
- 識(shí)別媒體、識(shí)別媒體的識(shí)別方法、識(shí)別對(duì)象物品以及識(shí)別裝置
- 一種探針卡識(shí)別裝置和方法
- 識(shí)別裝置、識(shí)別方法以及記錄介質(zhì)
- 識(shí)別裝置、識(shí)別系統(tǒng),識(shí)別方法以及存儲(chǔ)介質(zhì)
- 識(shí)別程序、識(shí)別方法以及識(shí)別裝置
- 車載身份識(shí)別方法及系統(tǒng)
- 車載身份識(shí)別方法及系統(tǒng)
- 車載身份識(shí)別方法及系統(tǒng)
- 識(shí)別裝置、識(shí)別方法以及識(shí)別程序
- 識(shí)別裝置、識(shí)別方法及識(shí)別程序





