本發(fā)明實施例公開了一種基于微表情的圖像識別方法、裝置以及相關(guān)設(shè)備，方法包括：獲取屬于第一表情類型的原始表情圖像，將原始表情圖像輸入圖像增強模型；屬于第一表情類型的原始表情圖像是包含微表情的圖像；圖像增強模型是根據(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練得到；在圖像增強模型中增強原始表情圖像中微表情的表情特征，得到屬于第二表情類型的目標表情圖像；識別與目標表情圖像對應(yīng)的表情屬性類型，并將與目標表情圖像對應(yīng)的表情屬性類型確定為與原始表情圖像對應(yīng)的表情屬性類型。采用本發(fā)明，可以提高微表情圖像識別的準確率。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機技術(shù)領(lǐng)域，尤其涉及一種基于微表情的圖像識別方法、裝置以及相關(guān)設(shè)備。

背景技術(shù)

在生活的任何地方、任何時刻，人們都會具有各種不同的情緒。情緒與表情具有密切的聯(lián)系，表情是情緒的外部表現(xiàn)，情緒是表情內(nèi)心體驗。而表情中的微表情是人物試圖隱藏內(nèi)心真實情感卻又不由自主流露出的不易察覺的面部表情，微表情通常發(fā)生與人物具有隱瞞心里的狀態(tài)下，與一般的面部表情相比，微表情最顯著的特點是持續(xù)時間短、強度弱，反應(yīng)了人物試圖壓抑與隱藏的真實情感，是一種有效的非言語線索。特別是在意圖對自己心里變化做出掩飾時，更容易做出相應(yīng)動作，因此微表情的識別可以用于安全、刑偵、心里等需要探查人物真實想法的領(lǐng)域，破解人物的隱瞞意圖。

在現(xiàn)有技術(shù)中，對微表情圖像的識別方法主要是通過提取微表情圖像的特征，再根據(jù)提取出來的特征進行分類和識別。但是由于微表情具有表情強度低，動作行為快的特點，即使是不同類型的微表情圖像也非常的相似，就導致提取出來的特征不具備很好的區(qū)分性，進而就會降低對微表情圖像識別的準確率。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種基于微表情的圖像識別方法、裝置以及相關(guān)設(shè)備，可以提高微表情圖像識別的準確率。

本發(fā)明實施例一方面提供了一種基于微表情的圖像識別方法，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練得到；所述屬于第二表情類型的樣本表情圖像的表情強度大于所述屬于第一表情類型的樣本圖像；

在所述圖像增強模型中增強所述原始表情圖像中微表情的表情特征，得到屬于第二表情類型的目標表情圖像；

識別與所述目標表情圖像對應(yīng)的表情屬性類型，并將與所述目標表情圖像對應(yīng)的表情屬性類型確定為與所述原始表情圖像對應(yīng)的表情屬性類型。

其中，所述圖像增強模型包括第一增強子模型和第二增強子模型；

所述在所述圖像增強模型中增強所述原始表情圖像中微表情的表情特征，得到屬于第二表情類型的目標表情圖像，包括：

將所述原始表情圖像中的表情標識區(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子模型，在所述第一增強子模型中增強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子模型，在所述第二增強子模型中增強所述原始表情圖像的表情特征，得到目標輔助圖像；

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輔助圖像組合為所述目標表情圖像。

其中，所述將所述單位原始表情圖像輸入所述第一增強子模型，在所述第一增強子模型中增強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子模型的輸入層，得到與所述單位原始表情圖像對應(yīng)的第一原始矩陣；