CN109298783B - 基于表情识别的标注监控方法、装置及电子设备 - Google Patents
基于表情识别的标注监控方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109298783B CN109298783B CN201811021970.4A CN201811021970A CN109298783B CN 109298783 B CN109298783 B CN 109298783B CN 201811021970 A CN201811021970 A CN 201811021970A CN 109298783 B CN109298783 B CN 109298783B
- Authority
- CN
- China
- Prior art keywords
- face image
- determining
- fatigue
- annotation
- degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/485—Task life-cycle, e.g. stopping, restarting, resuming execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/19—Sensors therefor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Ophthalmology & Optometry (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请提供了一种基于表情识别的标注监控方法、装置及电子设备,涉及图像处理的技术领域,该基于表情识别的标注监控方法首先获取待处理的人脸图像;然后对人脸图像进行表情识别,确定该人脸图像对应的疲劳程度;最后根据该疲劳程度,执行对应的标注策略。该方法对标注人员进行表情分析,利用获得的疲劳程度量化该标注人员的标注效果,进而针对性的确定需要执行的标注策略,实现对标注机制进行智能控制,减少人为干预,在节省大量人力资源及时间的同时,有效提高标注人员的标注指令,保证较好的标注效果。
Description
技术领域
本申请涉及图像处理技术领域,尤其是涉及一种基于表情识别的标注监控方法、装置及电子设备。
背景技术
数据标注即根据实际需求,人工为图片、视频和语音内容打标签、做标记。标注好的数据用于训练算法模型,然后应用到图像识别、语音识别等不同领域。标注数据作为模型的唯一来源,标注数据质量直接决定了模型推断的质量。通常来说,数据标注得越准确、数量越多,模型的效果就越好。
标注作为人工智能发展过程中数据提供的重要部分,是一项重复性强,机械性的工作。作为标注人员,现有的标注平台提供的标注体验单一,流水线式的工作感,不仅使标注人员效率下降明显,错误概率也会相应提高。这些标注的工作的质量以传统方式难以量化,现有的质量品控主要依赖于验收员的检查和检查员的交付前检查。
目前现在的标注员、检查员、验收员所构成的质检机制难以闭环控制,人为干预过多,无法保证标注质量;且由于标注员对于速度的追求,使得标注员极易疲劳而损失质量。如何提高标注员的标注质量,保证较好的标注效果,目前尚未提出有效的解决方案。
发明内容
有鉴于此,本申请的目的在于提供一种基于表情识别的标注监控方法、装置及电子设备,以实现对标注机制进行智能控制,减少人为干预,在节省大量人力资源及时间的同时,有效提高标注人员的标注指令,保证较好的标注效果。
第一方面,本申请实施例提供了一种基于表情识别的标注监控方法,包括:
获取待处理的人脸图像;
对所述人脸图像进行表情识别,确定所述人脸图像对应的疲劳程度;
根据所述疲劳程度,执行对应的标注策略。
结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方式,其中,所述根据所述疲劳程度,执行对应的标注策略包括:
计算预设时长内获取的所有人脸图像对应的疲劳程度的平均值;
根据所述平均值,执行对应的标注策略。
结合第一方面,本申请实施例提供了第一方面的第二种可能的实施方式,其中,所述根据所述疲劳程度,执行对应的标注策略包括:
当所述疲劳程度大于或等于第一预设阈值且小于第二预设阈值时,根据待标注对象的难度系数降低标注任务的难度;或者
当所述疲劳程度大于或等于第二预设阈值且小于第三预设阈值时,生成疲劳提示信息以对所述标注人员进行提示;或者
当所述疲劳程度大于或等于第三预设阈值时,终止当前标注任务。
结合第一方面的第二种可能的实施方式,本申请实施例提供了第一方面的第三种可能的实施方式,其中,所述根据待标注对象的难度系数降低标注任务的难度之前,还包括:
获取待标注对象的标注类型;
基于预先建立的神经网络模型对所述待标注对象进行预测识别,得到预测结果对应的置信度;
根据所述置信度及所述标注类型,确定所述待标注对象的难度系数。
结合第一方面的第二种可能的实施方式,本申请实施例提供了第一方面的第四种可能的实施方式,其中,所述疲劳提示信息包括文字提示、图片提示、语音提示以及振动提示中的一种或者多种。
结合第一方面,本申请实施例提供了第一方面的第五种可能的实施方式,其中,所述对所述人脸图像进行表情识别,确定所述人脸图像对应的疲劳程度包括:
对所述人脸图像进行情绪识别,确定所述人脸图像对应的情绪类型;
对所述人脸图像进行关键点提取,确定所述人脸图像中的眼睛闭合程度;
根据所述情绪类型及眼睛闭合程度,确定所述人脸图像对应的疲劳程度。
结合第一方面的第五种可能的实施方式,本申请实施例提供了第一方面的第六种可能的实施方式,其中,所述根据所述情绪类型及眼睛闭合程度,确定所述人脸图像对应的疲劳程度包括:
获取标注人员对应的标注速率及标注准确率;
根据所述标注速率和所述标注准确度,确定所述情绪类型及眼睛闭合程度分别对应的权重值;
根据所述情绪类型及眼睛闭合程度分别对应的权重值,确定所述人脸图像对应的疲劳程度。
第二方面,本申请实施例还提供一种基于表情识别的标注监控装置,包括:
图像获取模块,用于获取待处理的人脸图像;
疲劳确定模块,用于对所述人脸图像进行表情识别,确定所述人脸图像对应的疲劳程度;
策略执行模块,用于根据所述疲劳程度,执行对应的标注策略。
第三方面,本申请实施例还提供一种电子设备,包括存储器、处理器,所述存储器上存储有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及其任一种可能的实施方式所述的方法。
第四方面,本申请实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行所述第一方面及其任一种可能的实施方式所述方法。
本申请实施例带来了以下有益效果:
在本申请实施例中,该基于表情识别的标注监控方法首先获取待处理的人脸图像;然后对人脸图像进行表情识别,确定该人脸图像对应的疲劳程度;最后根据该疲劳程度,执行对应的标注策略。该方法对标注人员进行表情分析,利用获得的疲劳程度量化该标注人员的标注效果,进而针对性的确定需要执行的标注策略,实现对标注机制进行智能控制,减少人为干预,在节省大量人力资源及时间的同时,有效提高标注人员的标注指令,保证较好的标注效果。
本申请的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于表情识别的标注监控方法的流程示意图;
图2为本申请实施例提供的进行标注任务的标注人员的标注示意图;
图3为本申请实施例提供的另一种基于表情识别的标注监控方法的流程示意图;
图4为本申请实施例提供的一种基于表情识别的标注监控装置的结构示意图;
图5为本申请实施例提供的另一种基于表情识别的标注监控装置的结构示意图;
图6为本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
目前现在的标注员、检查员、验收员所构成的质检机制难以闭环控制,人为干预过多,无法保证标注质量;且由于标注员对于速度的追求,使得标注员极易疲劳而损失质量。基于此,本申请实施例提供的一种基于表情识别的标注监控方法、装置及电子设备,可以对标注人员进行表情分析,利用获得的疲劳程度量化该标注人员的标注效果,进而针对性的确定需要执行的标注策略,实现对标注机制进行智能控制,减少人为干预,在节省大量人力资源及时间的同时,有效提高标注人员的标注指令,保证较好的标注效果。
为便于对本实施例进行理解,首先对本申请实施例所公开的一种基于表情识别的标注监控方法进行详细介绍。该方法应用于数据标注的过程中,通过相关硬件及软件实现,如用于实现标注的电子设备,如电脑、平板或者手机。
参见图1示出的一种基于表情识别的标注监控方法的流程示意图。该基于表情识别的标注监控方法包括:
步骤S101,获取待处理的人脸图像。
例如参见图2,用于实现标注的电脑设置或者连接有摄像头,该摄像头可以用于拍摄进行标注任务的标注人员的人脸图像。其中该人脸图像可以是如bmp、jpg或png等格式图像。在进行标注任务时,对各个待标注对象进行标注,待标注对象可以是图片、视频及语音内容等。
步骤S102,对上述人脸图像进行表情识别,确定该人脸图像对应的疲劳程度。
例如可以通过Fatigue评估函数,确定人脸图像对应的疲劳程度,该Fatigue评估函数是结合面部各个特征的线性评估函数,源于情绪标签识别和人脸关键点识别,并输出相对应的表征疲劳程度的疲劳分值。
步骤S103,根据上述疲劳程度,执行对应的标注策略。
针对不同的疲劳程度确定不同的标注策略,如当疲劳程度大于或等于第一预设阈值且小于第二预设阈值时,降低标注任务的难度;或者当疲劳程度大于或等于第二预设阈值且小于第三预设阈值时,进行疲劳提醒,或者当疲劳程度大于或等于第三预设阈值时,强制停止标注任务等。上述几种标注策略可以在同一实施方式中同时存在,或者是在不同的实施方式中分别执行。其中第一预设阈值、第二预设阈值及第三预设阈值可以根据实际情况具体设定。
为了保证疲劳程度的准确性,防止由于标注人员面部表情的短时间变化造成的误判,在可能的实施例中,上述步骤S103包括:计算预设时长内获取的所有人脸图像对应的疲劳程度的平均值;根据该平均值,执行对应的标注策略。
例如可以检测标注人员在5秒内的人脸图像,计算在5秒内获得的所有人脸图像的疲劳程度的平均值,以该平均值为依据执行对应的标注策略。如当平均值大于或等于0.3且小于0.6时,降低标注任务的难度;当平均值大于或等于0.6小于0.8时,对标注人员进行疲劳提示。通过执行上述标注策略,能够有效保证标注人员的标注质量。
本申请实施例提供的基于表情识别的标注监控方法,对标注人员进行表情分析,利用获得的疲劳程度量化该标注人员的标注效果,进而针对性的确定需要执行的标注策略,实现对标注机制进行智能控制,减少人为干预,在节省大量人力资源及时间的同时,有效提高标注人员的标注指令,保证较好的标注效果。
在以上实施例的基础上,本申请实施例提供了另一种基于表情识别的标注监控方法的流程示意图。如图3所示,该基于表情识别的标注监控方法包括:
步骤S301,获取待处理的人脸图像。
标注人员在进开始标注任务时,自动或者手动开启用于实现标注的电子设备如电脑或者平板的摄像头。
在可能的实施例中,电子设备对摄像头拍摄的图像进行人脸检测,当确定图像中不包含人脸时,生成姿态调整的提示信息,以提示标注人员调整坐姿或者是调整摄像头的拍摄角度。
步骤S302,对上述人脸图像进行情绪识别,确定人脸图像对应的情绪类型。
例如可以利用预先建立的情绪识别模型对上述人脸图像进行识别,从而确定出人脸图像对应的情绪类型。其中情绪类型可以但不限于包括正面情绪和负面情绪,其中正面情绪又可分为快乐、惊喜等,负面情绪又可分为悲伤、厌恶等。
步骤S303,对上述人脸图像进行关键点提取,确定人脸图像中的眼睛闭合程度。
具体地,在标注任务开启后,实时获取标注人员的人脸图像,对每一帧人脸图像均进行关键点提取。根据之前提取到的每一帧人脸图像的关键点,确定当前帧图像对应的眼睛闭合程度。即通过不断的对人脸图像的学习,确定当前的眼睛闭合程度。
步骤S304,根据上述情绪类型及眼睛闭合程度,确定该人脸图像对应的疲劳程度。
例如,该疲劳程度可以表示为如下算式:
T=((∑Positive×wkn1-∑Negative×wkn2)×w1+Landmark×w2)/f (1)
其中,T表示疲劳程度,Positive表示各种正面情绪的标识位,当存在该正面情绪的类型,如包括情绪“快乐”时,情绪“快乐”对应的Positive为1,如果不存在该正面情绪的类型,如不包括情绪“快乐”时,情绪“快乐”对应的Positive为0;wkn1表示正面情绪中的各个情绪类型对应的权重值;Negative表示各种负面情绪的标识位,当存在该负面情绪的类型,如包括情绪“厌恶”时,情绪“厌恶”对应的Negative为1,如果不存在该负面情绪的类型,如不包括情绪“厌恶”时,情绪“厌恶”对应的Negative为0;wkn2表示负面情绪中的各个情绪类型对应的权重值;Landmark表示眼睛闭合程度,w1表示情绪对应的总权重值,w2表示眼睛闭合程度对应的权重值,f表示标准化因子,该标准化因子可以根据先验经验获得。
在可能的实施例中,上述步骤S304包括:
(a1)获取标注人员对应的标注速率及标注准确率。
根据检查员、验收员对标注人员的标注结果的审核,确定标注人员的标准准确率,如90%或者95%;通过对标注人员的标注记录确定标注人员的标注速率,如每分钟标注30张图片。
(a2)根据上述标注速率和上述标注准确度,确定上述情绪类型及眼睛闭合程度分别对应的权重值。
例如,在眼睛开合程度较低的同时,标注速度越快,标注准确率越高,则对应的眼睛闭合程度的权重值越小,情绪类型对应的权重值越大。在可能的实施例中,可以基于该原则调节上述算式(1)中的各个权重值。
(a3)根据上述情绪类型及眼睛闭合程度分别对应的权重值,确定人脸图像对应的疲劳程度。
具体可以参见算式(1),在步骤(a2)确定了各个权重值之后,根据各个权重值,确定人脸图像对应的疲劳程度。
在具体的实现过程中,通过实时获取标注速率及标注准确率,实时更新人脸图像对应的情绪类型及人脸图像中的眼睛闭合程度分别对应的权重值,进而更新人脸图像对应的疲劳程度,在不断学习的过程中,准确的对疲劳程度进行定位。
步骤S305,判断上述疲劳程度是否小于第一预设阈值。
其中该第一预设阈值根据实际情况设定,用于作为疲劳程度的界限。
如果上述疲劳程度小于第一预设阈值,则执行步骤S306;如果上述疲劳程度大于或等于第一预设阈值,则执行步骤S307。
步骤S306,按照预先设置的顺序执行正常标注操作。
当上述疲劳程度小于第一预设阈值,如小于0.3时,说明标注人员状态良好,无需进行标注策略的变更,直接按照预先设置的顺序,正常进行标注即可。
步骤S307,判断上述疲劳程度是否大于或等于第一预设阈值且小于第二预设阈值。
其中,第二预设阈值大于第一预设阈值。如第一预设阈值为0.3,第二预设阈值为0.6。当疲劳程度大于或等于第一预设阈值且小于第二预设阈值时,说明该标注人员不能再继续处理难度较高的标注任务。
如果上述疲劳程度大于或等于第一预设阈值且小于第二预设阈值,则执行步骤S308;如果上述疲劳程度大于或等于第二预设阈值,则执行步骤S309。
步骤S308,根据待标注对象的难度系数降低标注任务的难度。
其中待标注对象的难度系数是预先通过模型计算的。在可能的实施例中,在步骤S308之前进行难度系数的计算过程,该计算过程包括:
(b1)获取待标注对象的标注类型。
该标注类型可以是标注人员为待标注对象预先分配的。该标注类型可以但不限于包括二分类标注及选框标注。在同等条件下,二分类标注的待标注对象的难度系数小于选框标注的待标注对象的难度系数。
(b2)基于预先建立的神经网络模型对上述待标注对象进行预测识别,得到预测结果对应的置信度。
例如,在对图像进行正负样本进行分类的情景下,通过预先建立的神经网络模型对图像进行预测识别,得到预测结果(为正样本或者负样本)及该预测结果对应的置信度。在同等条件下,置信度越大的待标注对象,其难度系数越大。
(b3)根据上述置信度及上述标注类型,确定待标注对象的难度系数。
可以为置信度和标注类型设置相应的权重值,根据该权重值,确定待标注对象的难度系数。例如该难度系数可以表示为:
其中,S表示难度系数,n表示标注类型的种类数量,labeli表示第i种标注类型的标识位,li表示第i种标注类型对应的权重值,当待标注对象属于第i种标注类型时,第i种标注类型对应的权重值li为1,当待标注对象不属于第i种标注类型时,第i种标注类型对应的权重值li为0;x表示标注类型对应的总权重值;Y表示置信度;y表示置信度对应的权重值。
例如,当某一待标注对象的标注类型为二分类,其对应的置信度为0.9,且二分类的标注类型对应的权重值为0.4,标注类型对应的总权重值为0.3,置信度对应的权重值为0.7,则该待标注对象对应的难度系数为1*0.4*0.3+0.7*0.9=0.75。
因此,在步骤S308中,例如在疲劳程度大于或等于0.3且小于0.6时,可以通过筛选难度系数较低的待标注对象进行标注,来降低标注任务的难度。难度系数较大的待标注对象需要较大的工作量,而难度系数较小的待标注对象需要的工作量较小。
步骤S309,判断上述疲劳程度是否大于或等于第二预设阈值且小于第三预设阈值。
其中,第三预设阈值大于第二预设阈值。如第一预设阈值为0.3,第二预设阈值为0.6,第三预设阈值为0.8。当疲劳程度大于或等于第二预设阈值且小于第三预设阈值时,说明该标注人员已经疲劳,需要适时休息。
如果上述疲劳程度大于或等于第二预设阈值且小于第三预设阈值,则执行步骤S310;如果上述疲劳程度大于或等于第三预设阈值,则执行步骤S311。
步骤S310,生成疲劳提示信息以对标注人员进行提示。
其中疲劳提示信息包括文字提示、图片提示、语音提示以及振动提示中的一种或者多种。如可以在电子设备的显示屏上通过高亮的颜色显示用于提示的文字。
步骤S311,终止当前标注任务。
当疲劳程度大于或等于该第三预设阈值时,说明该标注人员不能再进行标注任务,终止该标注任务。
例如,通过用于实现数据标注的电子设备直接控制当前的标注页面关闭,或者是显示其他提示页面,以表示当前不能再继续进行标注。
在可能的实施例中,可以根据实际情况,设置标注任务的终止时长,在终止当前标注任务时,同时显示下次开启标注任务的时刻。
在实际应用中,可以一直循环执行步骤S301至步骤S311,以实时对标注状态进行监控,并执行不同的标注策略。
另外,在可能的实施例中,如果用于实现数据标注的电子设备在预设时长内如10分钟,通过摄像头拍摄的图像,未检测到有标注人员进行标注,则自动关闭摄像头,待下次标注任务开启时,再自动或者手动开启。
本申请实施例提供的基于表情识别的标注监控方法,对标注人员进行表情分析,利用获得的疲劳程度量化该标注人员的标注效果,进而针对性的确定需要执行的标注策略,如在标注人员疲劳时降低标注任务的难度,或者是进行提醒,或者终止标注任务;实现对标注机制进行智能控制,减少人为干预;避免了标注人员在疲劳状态下的无用劳动,无需反复的验收及检查的同时,在节省大量人力资源及时间,有效提高标注人员的标注指令,保证较好的标注效果。
针对于上述基于表情识别的标注监控方法,参见图4,本申请实施例提供了一种基于表情识别的标注监控装置,该装置包括:
图像获取模块11,用于获取待处理的人脸图像;
疲劳确定模块12,用于对上述人脸图像进行表情识别,确定人脸图像对应的疲劳程度;
策略执行模块13,用于根据上述疲劳程度,执行对应的标注策略。
进一步地,上述策略执行模块13还用于:
计算预设时长内获取的所有人脸图像对应的疲劳程度的平均值;
根据上述平均值,执行对应的标注策略。
进一步地,上述策略执行模块13还用于:
当所述疲劳程度大于或等于第一预设阈值且小于第二预设阈值时,根据待标注对象的难度系数降低标注任务的难度;或者
当所述疲劳程度大于或等于第二预设阈值且小于第三预设阈值时,生成疲劳提示信息以对所述标注人员进行提示;或者
当所述疲劳程度大于或等于第三预设阈值时,终止当前标注任务。
进一步地,在图4的基础上,参见图5示出的另一种基于表情识别的标注监控装置,该装置还包括难度确定模块14,该难度确定模块14用于:
获取待标注对象的标注类型;
基于预先建立的神经网络模型对待标注对象进行预测识别,得到预测结果对应的置信度;
根据上述置信度及上述标注类型,确定上述待标注对象的难度系数。
进一步地,上述疲劳提示信息包括文字提示、图片提示、语音提示以及振动提示中的一种或者多种。
进一步地,上述疲劳确定模块12还包括:
情绪确定单元121,用于对人脸图像进行情绪识别,确定人脸图像对应的情绪类型;
闭合程度确定单元122,对人脸图像进行关键点提取,确定人脸图像中的眼睛闭合程度;
疲劳确定单元123,用于根据上述情绪类型及眼睛闭合程度,确定上述人脸图像对应的疲劳程度。
进一步地,上述闭合程度确定单元122还用于:
获取标注人员对应的标注速率及标注准确率;
根据上述标注速率和上述标注准确度,确定上述情绪类型及眼睛闭合程度分别对应的权重值;
根据上述情绪类型及眼睛闭合程度分别对应的权重值,确定该人脸图像对应的疲劳程度。
本申请实施例提供的基于表情识别的标注监控方法,对标注人员进行表情分析,利用获得的疲劳程度量化该标注人员的标注效果,进而针对性的确定需要执行的标注策略,实现对标注机制进行智能控制,减少人为干预,在节省大量人力资源及时间的同时,有效提高标注人员的标注指令,保证较好的标注效果。
参见图6,本申请实施例还提供一种电子设备100,包括:处理器40,存储器41,总线42和通信接口43,所述处理器40、通信接口43和存储器41通过总线42连接;处理器40用于执行存储器41中存储的可执行模块,例如计算机程序。
其中,存储器41可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该***网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线42可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器41用于存储程序,所述处理器40在接收到执行指令后,执行所述程序,前述本申请实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器40中,或者由处理器40实现。
处理器40可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器40中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器40可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41,处理器40读取存储器41中的信息,结合其硬件完成上述方法的步骤。
本申请实施例提供的基于表情识别的标注监控装置及电子设备,与上述实施例提供的基于表情识别的标注监控方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
本申请实施例所提供的进行基于表情识别的标注监控方法的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置及电子设备的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
附图中的流程图和框图显示了根据本申请的多个实施例方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种基于表情识别的标注监控方法,其特征在于,包括:
获取待处理的人脸图像;
对所述人脸图像进行表情识别,确定所述人脸图像对应的疲劳程度;
根据所述疲劳程度,执行对应的标注策略;
其中,所述对所述人脸图像进行表情识别,确定所述人脸图像对应的疲劳程度包括:
对所述人脸图像进行情绪识别,确定所述人脸图像对应的情绪类型;
对所述人脸图像进行关键点提取,确定所述人脸图像中的眼睛闭合程度;
根据所述情绪类型及眼睛闭合程度,确定所述人脸图像对应的疲劳程度;
所述根据所述情绪类型及眼睛闭合程度,确定所述人脸图像对应的疲劳程度包括:
获取标注人员对应的标注速率及标注准确率;
根据所述标注速率和所述标注准确度,确定所述情绪类型及眼睛闭合程度分别对应的权重值;
根据所述情绪类型及眼睛闭合程度分别对应的权重值,确定所述人脸图像对应的疲劳程度。
2.根据权利要求1所述的方法,其特征在于,所述根据所述疲劳程度,执行对应的标注策略包括:
计算预设时长内获取的所有人脸图像对应的疲劳程度的平均值;
根据所述平均值,执行对应的标注策略。
3.根据权利要求1所述的方法,其特征在于,所述根据所述疲劳程度,执行对应的标注策略包括:
当所述疲劳程度大于或等于第一预设阈值且小于第二预设阈值时,根据待标注对象的难度系数降低标注任务的难度;或者
当所述疲劳程度大于或等于第二预设阈值且小于第三预设阈值时,生成疲劳提示信息;或者
当所述疲劳程度大于或等于第三预设阈值时,终止当前标注任务。
4.根据权利要求3所述的方法,其特征在于,所述根据待标注对象的难度系数降低标注任务的难度之前,还包括:
获取待标注对象的标注类型;
基于预先建立的神经网络模型对所述待标注对象进行预测识别,得到预测结果对应的置信度;
根据所述置信度及所述标注类型,确定所述待标注对象的难度系数。
5.根据权利要求3所述的方法,其特征在于,所述疲劳提示信息包括文字提示、图片提示、语音提示以及振动提示中的一种或者多种。
6.一种基于表情识别的标注监控装置,其特征在于,包括:
图像获取模块,用于获取待处理的人脸图像;
疲劳确定模块,用于对所述人脸图像进行表情识别,确定所述人脸图像对应的疲劳程度;
策略执行模块,用于根据所述疲劳程度,执行对应的标注策略;
其中,所述疲劳确定模块还包括:
情绪确定单元,用于对所述人脸图像进行情绪识别,确定所述人脸图像对应的情绪类型;
闭合程度确定单元,用于对所述人脸图像进行关键点提取,确定所述人脸图像中的眼睛闭合程度;
疲劳确定单元,用于根据所述情绪类型及眼睛闭合程度,确定所述人脸图像对应的疲劳程度;
所述闭合程度确定单元还用于:
获取标注人员对应的标注速率及标注准确率;
根据所述标注速率和所述标注准确度,确定所述情绪类型及眼睛闭合程度分别对应的权重值;
根据所述情绪类型及眼睛闭合程度分别对应的权重值,确定所述人脸图像对应的疲劳程度。
7.一种电子设备,包括存储器、处理器,所述存储器上存储有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上述权利要求1-5任一项所述的方法。
8.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811021970.4A CN109298783B (zh) | 2018-09-03 | 2018-09-03 | 基于表情识别的标注监控方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811021970.4A CN109298783B (zh) | 2018-09-03 | 2018-09-03 | 基于表情识别的标注监控方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109298783A CN109298783A (zh) | 2019-02-01 |
CN109298783B true CN109298783B (zh) | 2021-10-01 |
Family
ID=65166189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811021970.4A Active CN109298783B (zh) | 2018-09-03 | 2018-09-03 | 基于表情识别的标注监控方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109298783B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109965851A (zh) * | 2019-04-18 | 2019-07-05 | 郑州工业应用技术学院 | 一种基于多生理参数的人体运动性疲劳检测*** |
CN111598002B (zh) * | 2020-05-18 | 2023-04-07 | 北京星律动科技有限公司 | 多面部表情捕捉方法、装置、电子设备及计算机存储介质 |
CN112101823B (zh) * | 2020-11-03 | 2021-03-02 | 四川大汇大数据服务有限公司 | 多维度情绪识别管理方法、***、处理器、终端及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102881285A (zh) * | 2011-07-15 | 2013-01-16 | 富士通株式会社 | 一种韵律标注的方法及专用标注设备 |
CN103318023A (zh) * | 2013-06-21 | 2013-09-25 | 同济大学 | 车载实时智能疲劳监控及辅助装置 |
CN105844252A (zh) * | 2016-04-01 | 2016-08-10 | 南昌大学 | 一种面部关键部位的疲劳检测方法 |
CN106781282A (zh) * | 2016-12-29 | 2017-05-31 | 天津中科智能识别产业技术研究院有限公司 | 一种智能行车驾驶员疲劳预警*** |
CN107358646A (zh) * | 2017-06-20 | 2017-11-17 | 安徽工程大学 | 一种基于机器视觉的疲劳检测***及方法 |
WO2018074371A1 (ja) * | 2016-10-21 | 2018-04-26 | シチズン時計株式会社 | 検出装置 |
-
2018
- 2018-09-03 CN CN201811021970.4A patent/CN109298783B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102881285A (zh) * | 2011-07-15 | 2013-01-16 | 富士通株式会社 | 一种韵律标注的方法及专用标注设备 |
CN103318023A (zh) * | 2013-06-21 | 2013-09-25 | 同济大学 | 车载实时智能疲劳监控及辅助装置 |
CN105844252A (zh) * | 2016-04-01 | 2016-08-10 | 南昌大学 | 一种面部关键部位的疲劳检测方法 |
WO2018074371A1 (ja) * | 2016-10-21 | 2018-04-26 | シチズン時計株式会社 | 検出装置 |
CN106781282A (zh) * | 2016-12-29 | 2017-05-31 | 天津中科智能识别产业技术研究院有限公司 | 一种智能行车驾驶员疲劳预警*** |
CN107358646A (zh) * | 2017-06-20 | 2017-11-17 | 安徽工程大学 | 一种基于机器视觉的疲劳检测***及方法 |
Non-Patent Citations (1)
Title |
---|
基于面部表情识别的学习疲劳识别和干预方法;汪亭亭等;《计算机工程与设计》;20100428;第1764-1767、1768页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109298783A (zh) | 2019-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197658B (zh) | 图像标注信息处理方法、装置、服务器及*** | |
US11182592B2 (en) | Target object recognition method and apparatus, storage medium, and electronic device | |
CN110503074B (zh) | 视频帧的信息标注方法、装置、设备及存储介质 | |
CN111160569A (zh) | 基于机器学习模型的应用开发方法、装置及电子设备 | |
CN109298783B (zh) | 基于表情识别的标注监控方法、装置及电子设备 | |
CN107256428B (zh) | 数据处理方法、数据处理装置、存储设备及网络设备 | |
CN109063587B (zh) | 数据处理方法、存储介质和电子设备 | |
CN110688893A (zh) | 佩戴安全帽的检测方法、模型训练方法及相关装置 | |
CN110363084A (zh) | 一种上课状态检测方法、装置、存储介质及电子 | |
CN114419736A (zh) | 一种实验评分方法、***、设备及可读存储介质 | |
CN109522970B (zh) | 图像分类方法、装置及*** | |
CN112183289A (zh) | 一种花屏检测方法、装置、设备及介质 | |
CN114549557A (zh) | 一种人像分割网络训练方法、装置、设备及介质 | |
CN111325181A (zh) | 一种状态监测方法、装置、电子设备及存储介质 | |
CN111405197B (zh) | 一种视频裁剪方法、图像处理方法及装置 | |
CN115376210B (zh) | 泳池防溺水的溺水行为识别方法、装置、设备及介质 | |
KR102170416B1 (ko) | 컴퓨터와 크라우드 소싱을 이용한 비디오 사전 처리 방법 | |
CN112989869B (zh) | 人脸质量检测模型的优化方法、装置、设备及存储介质 | |
CN112446360A (zh) | 目标行为检测方法、装置及电子设备 | |
CN111046262A (zh) | 一种数据标注方法、装置及计算机存储介质 | |
CN110851349A (zh) | 页面异常显示的检测方法、终端设备及存储介质 | |
CN111062337B (zh) | 人流方向检测方法及装置、存储介质和电子设备 | |
CN111444803B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114677691B (zh) | 文本识别方法、装置、电子设备及存储介质 | |
CN117253196B (zh) | 钢铁行业中基于视频的安全风险监控方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Annotation monitoring methods, devices, and electronic devices based on facial expression recognition Effective date of registration: 20230404 Granted publication date: 20211001 Pledgee: Shanghai Yunxin Venture Capital Co.,Ltd. Pledgor: BEIJING KUANGSHI TECHNOLOGY Co.,Ltd. Registration number: Y2023990000193 |