技术特征：
1.一种情感检测方法，其特征在于，包括以下步骤：采集人脸的视频流，从所述视频流中获取多帧人脸图像；对所述多帧人脸图像进行处理，定位面部的多个肌肉群的轮廓，并获取面部肌肉群轮廓内的每个像素点的振幅和振动频率在预设时间内的时序变化数据；根据所述时序变化数据，输出所述人脸对应的多项情感以及各项情感的置信度。2.根据权利要求1所述的方法，其特征在于，所述对所述多帧人脸图像进行处理，定位面部的多个肌肉群的轮廓，并获取面部肌肉群轮廓内的每个像素点的振幅和振动频率在预设时间内的时序变化数据，具体包括：基于肌肉群轮廓定义模型，在每帧人脸图像上定位面部肌肉群轮廓内的各个像素点；根据各个像素点在连续的人脸图像中发生的位移，计算各个像素点的振幅和频率，并获取所述振幅和所述频率在预设时间内的时序变化数据。3.根据权利要求1所述的方法，其特征在于，所述根据所述时序变化数据，输出所述人脸对应的多项情感以及各项情感的置信度，具体包括：将所述时序变化数据输入预置的情感分析模型，输出所述人脸对应的多项情感以及各项情感的置信度。4.根据权利要求3所述的方法，其特征在于，还包括：进行深度学习引擎关联和分析，优化所述情感分析模型。5.根据权利要求1所述的方法，其特征在于，所述人脸对应的多项情感包括以下情感中的多个：压力、紧张、焦躁、沮丧、愤怒、喜悦、惊讶、悲伤、恐惧、假装紧张、假装沮丧、假装愤怒、假装喜悦、假装惊讶、假装悲伤和假装恐惧。6.一种情感检测装置，其特征在于，包括：采集模块，用于采集人脸的视频流，从所述视频流中获取多帧人脸图像；处理模块，用于对所述多帧人脸图像进行处理，定位面部的多个肌肉群的轮廓，并获取面部肌肉群轮廓内的每个像素点的振幅和振动频率在预设时间内的时序变化数据；输出模块，用于根据所述时序变化数据，输出所述人脸对应的多项情感以及各项情感的置信度。7.根据权利要求6所述的装置，其特征在于，所述处理模块，具体用于基于肌肉群轮廓定义模型，在每帧人脸图像上定位面部肌肉群轮廓内的各个像素点；根据各个像素点在连续的人脸图像中发生的位移，计算各个像素点的振幅和频率，并获取所述振幅和所述频率在预设时间内的时序变化数据。8.根据权利要求6所述的装置，其特征在于，所述输出模块，具体用于将所述时序变化数据输入预置的情感分析模型，输出所述人脸对应的多项情感以及各项情感的置信度。9.根据权利要求8所述的装置，其特征在于，还包括：优化模块，用于进行深度学习引擎关联和分析，优化所述情感分析模型。10.根据权利要求6所述的装置，其特征在于，所述人脸对应的多项情感包括以下情感中的多个：压力、紧张、焦躁、沮丧、愤怒、喜悦、惊讶、悲伤、恐惧、假装紧张、假装沮丧、假装愤怒、
假装喜悦、假装惊讶、假装悲伤和假装恐惧。
技术总结
本申请公开了一种情感检测方法和装置，该方法包括以下步骤：采集人脸的视频流，从所述视频流中获取多帧人脸图像；对所述多帧人脸图像进行处理，定位面部的多个肌肉群的轮廓，并获取面部肌肉群轮廓内的每个像素点的振幅和振动频率在预设时间内的时序变化数据；根据所述时序变化数据，输出所述人脸对应的多项情感以及各项情感的置信度。本申请根据面部肌肉群轮廓内的每个像素点的振幅和振动频率确定人脸对应的情感，检测准确性较高，且应用范围广，使用方便。使用方便。使用方便。
技术研发人员：翁彦 曾青 李钟旭
受保护的技术使用者：北京数智天安科技有限公司
技术研发日：2022.11.16
技术公布日：2023/2/3