基于面部图像的实时动物情绪识别方法、装置及相关组件

本发明涉及图像识别领域，尤其涉及一种基于面部图像的实时动物情绪识别方法、装置及相关组件。

背景技术：

1、目前动物饲养员和农场工人在调查和监测动物情绪状态时，通常依赖于亲身观察和测量。亲身观察方法下，过程中存在较高的人工评估主观性，同时当动物的机体出现不适时，它们无法直接向人类描述，只有出现比较严重症状、甚至是死亡时才会被人们发现。而测量方法下，多数采用应激激素皮质醇的产生来识别，无法实时监测且轻微及中度不适无法通过该方法精准辨别。

2、纵使人脸分析平台早已应用广泛，发展成熟，但在动物识别方面仍未发展显著，现有研究以生物传感技术为主，大部分启动成本高且便携度低，实现定位监测功能的全球定位系统、热红外成像传感器，实现动物状态识别的嗅觉传感器在特征纳入方面单一，而可用于动物情绪研究的肌电图扫描仪则受环境和动物动作影响大。

3、也就是说，现有的对动物情绪识别方法存在局限性，无法精确的识别出动物的实时情绪。

技术实现思路

1、本发明的目的是提供一种基于面部图像的实时动物情绪识别方法、装置及相关组件，旨在解决现有的情绪识别方法存在识别精确度较低的问题。

2、为解决上述技术问题，本发明的目的是通过以下技术方案实现的：提供一种基于面部图像的实时动物情绪识别方法，其包括：

3、捕捉动物的面部图像，并将符合预设的面部检测条件的面部图像作为目标面部图像；

4、提取所述目标面部图像的图像纹理特征；

5、利用预训练好的残差网络模型提取所述目标面部图像的各关键点特征；

6、基于预设的特征组合规则和所述关键点特征，对所述目标面部图像执行区域组合步骤，得到对应的目标图像区域，并提取各所述目标图像区域的图像梯度直方图特征；

7、对每一目标图像区域中的图像纹理特征、图像梯度直方图特征进行特征融合，得到当前目标图像区域的融合特征；

8、将各所述融合特征分别输入至预训练好的bp神经网络模型中，输出对应的情绪识别结果。

9、另外，本发明要解决的技术问题是还在于提供一种基于面部图像的实时动物情绪识别装置，其包括：

10、捕捉图像单元，用于捕捉动物的面部图像，并将符合预设的面部检测条件的面部图像作为目标面部图像；

11、图像纹理特征提取单元，用于提取所述目标面部图像的图像纹理特征；

12、关键点特征提取单元，用于利用预训练好的残差网络模型提取所述目标面部图像的各关键点特征；

13、图像区域获取单元，用于基于预设的特征组合规则和所述关键点特征，对所述目标面部图像执行区域组合步骤，得到对应的目标图像区域，并提取各所述目标图像区域的图像梯度直方图特征；

14、融合单元，用于对每一目标图像区域中的图像纹理特征、图像梯度直方图特征进行特征融合，得到当前目标图像区域的融合特征；

15、识别单元，用于将各所述融合特征分别输入至预训练好的bp神经网络模型中，输出对应的情绪识别结果。

16、另外，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上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第一方面所述的基于面部图像的实时动物情绪识别方法。

17、另外，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的基于面部图像的实时动物情绪识别方法。

18、本发明实施例公开了一种基于面部图像的实时动物情绪识别方法、装置及相关组件，其中，方法包括：捕捉动物的面部图像，并将符合预设的面部检测条件的面部图像作为目标面部图像；提取所述目标面部图像的图像纹理特征；利用预训练好的残差网络模型提取所述目标面部图像的各关键点特征；基于预设的特征组合规则和所述关键点特征，对所述目标面部图像执行区域组合步骤，得到对应的目标图像区域，并提取各所述目标图像区域的图像梯度直方图特征；对每一目标图像区域中的图像纹理特征、图像梯度直方图特征进行特征融合，得到当前目标图像区域的融合特征；将各所述融合特征分别输入至预训练好的bp神经网络模型中，输出对应的情绪识别结果。该方法可以有效提高对动物情绪的识别精确度。

技术特征：

1.一种基于面部图像的实时动物情绪识别方法，其特征在于，包括：

2.根据权利要求1所述的基于面部图像的实时动物情绪识别方法，其特征在于，所述提取所述目标面部图像的图像纹理特征，包括：

3.根据权利要求1所述的基于面部图像的实时动物情绪识别方法，其特征在于，所述利用预训练好的残差网络模型提取所述目标面部图像的各关键点特征，包括：

4.根据权利要求3所述的基于面部图像的实时动物情绪识别方法，其特征在于，所述基于预设的特征组合规则和所述关键点特征，对所述目标面部图像执行区域组合步骤，得到对应的目标图像区域，包括：

5.根据权利要求4所述的基于面部图像的实时动物情绪识别方法，其特征在于，所述基于预设的特征组合规则和所述关键点特征，对所述目标面部图像执行区域组合步骤，得到对应的目标图像区域之后，包括：

6.根据权利要求5所述的基于面部图像的实时动物情绪识别方法，其特征在于，所述对每一目标图像区域中的图像纹理特征、图像梯度直方图特征进行特征融合，得到当前目标图像区域的融合特征，包括：

7.根据权利要求6所述的基于面部图像的实时动物情绪识别方法，其特征在于，所述将所有的所述融合特征分别输入至预训练好的bp神经网络模型中，输出对应的识别结果，包括：

8.一种基于面部图像的实时动物情绪识别装置，其特征在于，包括：

9.一种计算机设备，包括存储器、处理器及存储在所述存储器上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中任一项所述的基于面部图像的实时动物情绪识别方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7任一项所述的基于面部图像的实时动物情绪识别方法。

技术总结
本发明公开了一种基于面部图像的实时动物情绪识别方法、装置及相关组件。该方法包括捕捉动物的面部图像，并将符合预设的面部检测条件的面部图像作为目标面部图像；提取目标面部图像的图像纹理特征；利用预训练好的残差网络模型提取目标面部图像的各关键点特征；基于预设的特征组合规则和关键点特征，对目标面部图像执行区域组合步骤，得到对应的目标图像区域，并提取各目标图像区域的图像梯度直方图特征；对每一目标图像区域中的图像纹理特征、图像梯度直方图特征进行特征融合，得到当前目标图像区域的融合特征；将各融合特征分别输入至预训练好的BP神经网络模型中，输出对应的情绪识别结果。该方法可以有效提高对动物情绪的识别精确度。

技术研发人员：马学磊,周雪妍,陈炜昌,林楠,李玥熠
受保护的技术使用者：四川大学华西医院
技术研发日：
技术公布日：2024/1/11