(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211069377.3 (22)申请日 2022.09.01 (71)申请人 公安部交通管理科 学研究所 地址 214151 江苏省无锡市滨湖区钱荣路 88号 (72)发明人 刘东波　钱彬　王军华　晋军伟　 沈涛　 (74)专利代理 机构 无锡市大为专利商标事务所 (普通合伙) 32104 专利代理师 曹祖良 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于神经网络模型的轻量级证件照表情评 估方法 (57)摘要 本发明关于基于神经网络模型的轻量级证 件照表情评估方法， 涉及图像处理技术领域。 该 方法包括获取样本证件照； 对样 本证件照进行样 本表情结果标记； 基于样本证件照以及样本表情 结果建立表情评估模型； 对动态图参数训练文件 进行序列化导出， 得到静态参数文件； 基于静态 参数文件确定轻量级表情评估模 型， 并部署至移 动终端。 针对证件照识别的应用场景， 进行样本 证件照的大量获取， 在获取与模 型对应的动态图 训练参数文件后对其进行简化， 以得到静态参数 文件， 并使得静态参数文件能够在移动终端上执 行与动态 图参数训练文件在计算机设备上相同 的证件照表情评估功能， 进而使得证件照识别过 程能够在移动端高效完成， 能够适配移动端的表 情识别应用场景。 权利要求书1页 说明书5页 附图2页 CN 115273209 A 2022.11.01 CN 115273209 A 1.一种基于神经网络模型的轻量级证件照表情评估方法， 其特征在于， 所述方法应用 于计算机设备中， 所述方法包括： 获取样本证件照， 所述样本证件照中包括人脸区域； 对所述样本证件照进行样本表情结果标记； 基于所述样本证件照以及所述样本表情结果建立表情评估模型， 所述表情评估模型对 应有动态图训练参数文件， 所述表情评估 模型为神经网络模型； 对所述动态图参数训练文件进行序列化 导出， 得到静态参数文件； 基于所述静态参数文件确定轻量级表情评估模型， 并部署至所述移动终端， 所述移动 终端用于接收待测证件照， 并通过所述轻量级表情评估模型评估与所述待测证件照对应的 待测表情。 2.根据权利要求1所述的方法， 其特征在于， 所述样本证件照的图片宽度为520像素， 图 片高度为75 6像素， 且实现为采用3通道的RGB图像。 3.根据权利要求1所述的方法， 其特征在于， 所述样本证件照中包括人脸区域， 所述人 脸区域中包括口部区域、 眼部区域以及鼻部区域； 所述基于所述样本证件照以及所述样本表情结果建立表情评估 模型， 包括： 对所述样本证件照进行区域识别， 确定所述样本证件照中的所述人脸区域； 基于所述人脸区域的位置对所述样本证件照进行裁 剪， 得到人脸图片； 建立与所述样本结果标记对应的表情文件夹； 将所述人脸图片保存至与所述样本结果标记对应的所述表情文件夹中； 基于所述人脸图片以及所述样本结果标记建立所述表情评估模型， 并确定与 所述表情 评估模型对应的所述动态图训练参数文件。 4.根据权利要求3所述的方法， 其特征在于， 所述基于所述人脸图片以及所述样本结果 标记建立所述表情评估 模型， 包括： 建立浅层卷积基础模块以及全连接基础模块， 所述浅层卷积基础模块与所述全连接基 础模块连接； 所述浅层卷积模块用于对所述人脸图片进行语义特征提取， 所述全连接基础 模块用于对所述人脸图片进行分类特 征提取； 通过所述人脸图片以及所述样本结果标记对所述浅层卷积基础模块以及所述全连接 基础模块进行训练， 得到 浅层卷积模块以及全连接模块； 基于所述浅层卷积模块以及所述全连接模块建立所述表情评估 模型。 5.根据权利要求 4所述的方法， 其特 征在于， 所述浅层卷积模块中包括3个卷积层； 3个卷积层中， 后一卷积层的特征量长、 宽均为前一卷积层的特征量长、 宽的1/2， 且通 道数均为前一卷积层的2倍。 6.根据权利要求1所述的方法， 其特征在于， 所述动态图参数训练文件实现为pth文件 模型； 所述对所述动态图参数训练文件进行序列化 导出， 得到静态参数文件， 包括： 对所述pth文件模型进行依次序的量化、 裁剪以及序列化处理， 得到静态参数文件， 所 述静态参数文件实现为pt文件 模型。 7.根据权利要求6所述的方法， 其特征在于， 所述pt文件模型的文件占用空间大小小于 等于2MB。权　利　要　求　书 1/1 页 2 CN 115273209 A 2基于神经 网络模型的轻量级证件照表情 评估方法 技术领域 [0001]本发明涉及图像处理技术领域， 特别涉及 一种基于轻量级神经网络模型的证件照 表情评估方法。 背景技术 [0002]生活中经常有需要使用各种证件照的情况， 而如今落后的证件照制作方式， 如到 照相馆拍摄制作等， 越来越不能满足人们 快速获取证件照的需求。 近些年来移动互联网得 到了深入普及， 人们更加希望证件照的制作能够像其他手机软件一样通过简便的操作就可 以完成。 随着深度学习的兴起， 人工智能进入了快速发展时期， 人脸检测和肖像分割技术 都 有了突飞猛进的发展， 在技术方面已逐步支撑证件照的自动化生成。 由于用户是在开放环 境中自行制作证件照， 灯光、 拍摄角度、 姿态、 表情等主客观因素无法得到统一的保证， 因 此， 如何在手机上快速完成证件照质量的自动判定也成了 当前亟需解决 的问题。 其中， 证件 照表情识别就是一个重要的评估项目。 表情识别是指从静态照片或视频序列中选择出表情 状态， 从而确定对人物的情绪与心理变化， 是 人机交互的一个重要方面。 [0003]相关技术中， 通常通过Gabor、 LBP、 LGBP、 HOG和SIFT等人为特征提取方式， 对于人 脸表情进 行小样本范围内的精确表情识别， 以识别出人类诸如快乐、 气愤、 惊讶、 害怕 、 厌恶 和悲伤在内的各种表情。 随着人工智能的发展， 前馈神经网络 （Feedforward  Neural  Network， FNN） 以及卷积神经网络 （Convolution al Neural Networks,  CNN） 也被用于作 为 模型框架， 进行表情识别。 [0004]然而， 相关技术中， 由于模型构建过程中采用了大量的样本学习过程， 对于 终端设 备的计算量要求较高， 模型 的存储占用空间较大， 通常证件照表情识别的过程对于终端设 备的性能具有较高的要求， 无法适配移动端的证件照表情识别评估场景。 [0005] 发明内容 [0006]本发明关于基于神经网络模型的轻量级证件照 表情评估方法， 对于模型结构进行 轻量化处理， 能够适配移动端的表情识别应用场景， 该 方法包括： 获取样本证件照， 样本证件照中包括人脸区域； 对样本证件照进行样本表情结果标记； 基于样本证件照以及样本表情 结果建立表情评估模型， 表情评估模型对应有动态 图训练参数文件， 表情评估 模型为神经网络模型； 对动态图参数训练文件进行序列化 导出， 得到静态参数文件； 基于静态参数文件确定轻量级表情评估模型， 并部署至移动终端， 移动终端用于 接收待测证件照， 并通过 轻量级表情评估 模型评估与待测证件照对应的待测表情。 [0007]在一个可选的实施例中， 样本证件照的图片宽度为520像素， 图片高度为756像素， 且实现为采用3通道的RGB图像。说　明　书 1/5 页 3 CN 115273209 A 3