科创中国

电子信息技术

本申请涉及图像处理领域，提供了一种面部表情的分类方法，包括：获取目标图像，该目标图像包括目标对象的面部表情；将目标图像输入到表情分类模型中，得到分类结果，分类结果用于指示面部表情的情绪表达程度；表情分类模型包括：第一特征提取网络、第二特征提取网络和融合分类模块；通过第一特征提取网络对目标图像进行局部特征提取，得到面部表情所在区域的第一特征；通过第二特征提取网络对目标图像进行全局特征提取，得到第二特征；通过融合分类模块对第一特征和第二特征进行特征融合和分类，得到分类结果。上述方法能够提高面部表情的情绪特征的提取率，从而解决面部表情分类准确率低的问题。

1.一种面部表情的分类方法，其特征在于，所述方法包括： 获取目标图像，所述目标图像包括目标对象的面部表情； 将所述目标图像输入到表情分类模型中，得到分类结果，所述分类结果用于指示所述面部表情的情绪表达程度； 所述表情分类模型包括：第一特征提取网络、第二特征提取网络和融合分类模块；通过所述第一特征提取网络对所述目标图像进行局部特征提取，得到所述面部表情所在区域的第一特征；通过第二特征提取网络对所述目标图像进行全局特征提取，得到第二特征；通过所述融合分类模块对所述第一特征和所述第二特征进行特征融合和分类，得到所述分类结果。 2.根据权利要求1所述的分类方法，其特征在于，所述第一特征提取网络为VGG16，所述VGG16的输入层包括：局部注意力层， 所述局部注意力层用于对所述目标图像中所述面部表情所在区域以外的区域进行信息衰减操作。 3.根据权利要求2所述的分类方法，其特征在于，所述VGG16的输入层包括依次连接的第一卷积层、第一批归一化层、第一激活层、所述局部注意力层和第一最大池化层；

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生AC态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

点击查看