本發(fā)明涉及視頻面部表情分析領(lǐng)域,尤其是涉及了一種基于視頻面部表情的客戶滿意度分析方法。
背景技術(shù):
傳統(tǒng)的客戶滿意度調(diào)查,都是通過客戶口頭反饋和問卷調(diào)查的形式來實(shí)現(xiàn)的。這樣的調(diào)查所耗費(fèi)的人力物力財(cái)力都很大,效率和準(zhǔn)確度都不高,數(shù)據(jù)也帶有人為主觀因素。
本發(fā)明提出了一種基于視頻面部表情的客戶滿意度分析方法,先通過調(diào)取服務(wù)場(chǎng)地如銀行、收費(fèi)站等地方的攝像頭中的視頻信息,獲取客戶面部表情的視頻資料,利用人臉表情圖像數(shù)據(jù)集進(jìn)行訓(xùn)練;根據(jù)視頻中人臉的表情變化,采用部分為基礎(chǔ)的表示方法為面部形狀和外觀進(jìn)行建模,判別擬合,更新增量表示,并行擬合,接著進(jìn)行擬合評(píng)價(jià),最后根據(jù)擬合評(píng)價(jià)結(jié)果分析客戶滿意度。本發(fā)明的樣本范圍廣,不需要客戶主觀的進(jìn)行評(píng)價(jià)評(píng)分,排除了人為主觀因素,使得數(shù)據(jù)更加客觀;同時(shí),避免了大量問卷數(shù)據(jù),減少人工勞力,提高了效率,增加了準(zhǔn)確率。
技術(shù)實(shí)現(xiàn)要素:
針對(duì)數(shù)據(jù)多,效率和準(zhǔn)確度不高等問題,本發(fā)明的目的在于提供一種基于視頻面部表情的客戶滿意度分析方法,先獲取客戶視頻資料,再根據(jù)視頻中人臉的表情變化,采用部分為基礎(chǔ)的表示方法為面部形狀和外觀進(jìn)行建模,判別擬合,更新增量表示,并行擬合,接著進(jìn)行擬合評(píng)價(jià),最后根據(jù)擬合評(píng)價(jià)結(jié)果分析客戶滿意度。
為解決上述問題,本發(fā)明提供一種利用圖片檢索定位導(dǎo)航的方法,其主要內(nèi)容包括:
(一)獲取客戶視頻資料;
(二)采用部分為基礎(chǔ)的表示方法為面部形狀和外觀進(jìn)行建模;
(三)判別擬合;
(四)更新增量表示;
(五)并行擬合;
(六)擬合評(píng)價(jià);
(七)根據(jù)擬合評(píng)價(jià)結(jié)果分析客戶滿意度。
其中,所述的獲取客戶視頻資料,是通過調(diào)取服務(wù)場(chǎng)地如銀行、收費(fèi)站等地方攝像頭中的視頻信息,獲取客戶面部表情的視頻資料,利用人臉表情圖像數(shù)據(jù)集進(jìn)行訓(xùn)練,根據(jù)視頻信息分析客戶滿意度。
其中,所述的采用部分為基礎(chǔ)的表示方法為面部形狀和外觀進(jìn)行建模,形狀表示首先通過分析培訓(xùn)獲取圖像的歸一化的面部形態(tài)學(xué);然后采用主成分分析(PCA)以獲得的平均形狀和特征向量{MS,VS},其中S代表形狀;面部形狀可以被建模為s(p)=MS+VSp,其中p代表形狀表示;使用本地響應(yīng)圖像學(xué)習(xí)外觀表示,給定一個(gè)圖像I和形狀表示p,第l個(gè)特征點(diǎn)的本地響應(yīng)圖為
其中是通過交叉驗(yàn)證的補(bǔ)丁,是特征向量;
變化響應(yīng)圖布置為一個(gè)張量其中,i和j分別對(duì)圖像和變化計(jì)數(shù);類似形狀表示的方法,對(duì)運(yùn)用主成分分析獲得平均值和特征向量其中a是指外觀;第l特征點(diǎn)可以通過快速投影計(jì)算;可以用一個(gè)面部p和 來模擬一個(gè)實(shí)例的形狀和外觀。
進(jìn)一步地,所述的形狀表示,構(gòu)建了一個(gè)訓(xùn)練集u={(I,S);y},其中y∈{1,-1};I是標(biāo)注的訓(xùn)練圖像;當(dāng)y=1時(shí),標(biāo)志圖S是使用對(duì)比形狀時(shí)產(chǎn)生的;當(dāng)y=-1時(shí),形狀產(chǎn)生變化;計(jì)算交叉熵?fù)p失的反向傳播。
其中,所述的判別擬合,學(xué)習(xí)一個(gè)級(jí)聯(lián)的非線性映射的外觀表示x(p,I)和形狀更新△p;細(xì)化的形狀表示為p,從最初的預(yù)測(cè)p0到對(duì)比組,一步一步進(jìn)行計(jì)算
pk+1=pk+x(pk,I)Rk+bk (2)
{Rk,bk}是在第k步的回歸,p*是對(duì)比組,使回歸系數(shù)可通過求解最小二乘問題進(jìn)行計(jì)算:
使和回歸可以用閉合解計(jì)算,即:
其中,所述的更新增量表示,為了實(shí)現(xiàn)形狀和外觀的個(gè)性化表示,目標(biāo)是在一個(gè)統(tǒng)一的框架中更新增量離線訓(xùn)練的子空間{MS,VS}和假設(shè)離線模型利用平均MA和特征向量VA訓(xùn)練m離線數(shù)據(jù)TA,其中TA的SVD為TA=U∑VT,采用n個(gè)新的在線數(shù)據(jù)TB平均MB來有效地計(jì)算串聯(lián)的[TATB]=U′∑’V′T的SVD;
遵循Sequential Karhunen-Loeve(SKL)算法來計(jì)算級(jí)聯(lián):
其中,
只需要在中期代替整個(gè)級(jí)聯(lián)進(jìn)行奇異值分解
通過插入TC到公式(4),有
立即更新的平均值和特征向量:
與初級(jí)方法相比,增量子空間學(xué)習(xí)從O(d(m+n))到O(dn),顯著降低空間復(fù)雜度,從O(d(m+n)2)到O(dn2)降低計(jì)算復(fù)雜度,m>>n,d代表一次觀測(cè)的長(zhǎng)度;它保證了個(gè)性化表示的有效建模。
其中,所述的并行擬合,一旦形狀和外觀表象進(jìn)行更新,就需要更新回歸級(jí)聯(lián)追蹤網(wǎng)絡(luò)的變化;然而,在一個(gè)順序適應(yīng)回歸的級(jí)聯(lián)比較復(fù)雜,需要在基礎(chǔ)上進(jìn)行計(jì)算;為了解決這個(gè)問題,通過常態(tài)分布直接采樣pk減弱級(jí)聯(lián)的依賴,其中∧k是離線學(xué)習(xí)的形狀變化;一旦級(jí)聯(lián)被扁平化為獨(dú)立的映射,所有的解釋變量可以同時(shí)并行更新;
在離線訓(xùn)練過程中,按照給定的定義計(jì)算和在線測(cè)試期間,基于規(guī)范分布取樣△pB,重新計(jì)算新的外觀表示可以適應(yīng)通過
其中考慮到d>>n,方程(9)中級(jí)聯(lián)退耦模型矩陣求逆的計(jì)算成本顯著降低O(d3)到O(n3)。
其中,所述的擬合評(píng)價(jià),利用深層神經(jīng)網(wǎng)絡(luò)的魯棒擬合評(píng)價(jià);只有適應(yīng)度很好的面部能用于更新增量表示和適應(yīng)回歸梯級(jí)具體人臉的建模;
相反,在網(wǎng)絡(luò)開始將人臉圖像聚集,在特征顯示中的每一個(gè)像素是一個(gè)二進(jìn)制值,標(biāo)志 著相應(yīng)的標(biāo)志性的存在;初始化訓(xùn)練過程中的權(quán)重訓(xùn)練的大型數(shù)據(jù)集的對(duì)象分類。
其中,所述的根據(jù)擬合評(píng)價(jià)結(jié)果分析客戶滿意度,是根據(jù)視頻表情和對(duì)比組的擬合評(píng)價(jià)結(jié)果分析不同擬合度,利用訓(xùn)練數(shù)據(jù)集中的對(duì)象表情的客戶的不同反饋結(jié)果分類,根據(jù)不同的擬合度和客戶滿意度形成映射,從而自動(dòng)獲得客戶滿意度結(jié)果。
進(jìn)一步地,所述的根據(jù)擬合評(píng)價(jià)結(jié)果分析客戶滿意度,是根據(jù)擬合評(píng)價(jià)結(jié)果來確定客戶的滿意程度,不需要客戶主觀的進(jìn)行評(píng)價(jià)評(píng)分,從而排除人為主觀因素,使數(shù)據(jù)更加客觀,避免大量問卷數(shù)據(jù),減少人工勞力,提高效率,增加準(zhǔn)確率。
附圖說明
圖1是本發(fā)明一種基于視頻面部表情的客戶滿意度分析方法的系統(tǒng)流程圖。
圖2是本發(fā)明一種基于視頻面部表情的客戶滿意度分析方法的人臉表情圖像數(shù)據(jù)集。
圖3是本發(fā)明一種基于視頻面部表情的客戶滿意度分析方法的采用部分為基礎(chǔ)的表示方法。
具體實(shí)施方式
需要說明的是,在不沖突的情況下,本申請(qǐng)中的實(shí)施例及實(shí)施例中的特征可以相互結(jié)合,下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明。
圖1是本發(fā)明一種基于視頻面部表情的客戶滿意度分析方法的系統(tǒng)流程圖。主要包括獲取客戶視頻資料,采用部分為基礎(chǔ)的表示方法為面部形狀和外觀進(jìn)行建模,判別擬合,更新增量表示,并行擬合,擬合評(píng)價(jià),根據(jù)擬合評(píng)價(jià)結(jié)果分析客戶滿意度。
其中,獲取客戶視頻資料,是通過調(diào)取服務(wù)場(chǎng)地如銀行、收費(fèi)站等地方攝像頭中的視頻信息,獲取客戶面部表情的視頻資料,利用人臉表情圖像數(shù)據(jù)集進(jìn)行訓(xùn)練,根據(jù)視頻信息分析客戶滿意度。
其中,采用部分為基礎(chǔ)的表示方法為面部形狀和外觀進(jìn)行建模,形狀表示首先通過分析培訓(xùn)獲取圖像的歸一化的面部形態(tài)學(xué);然后采用主成分分析(PCA)以獲得的平均形狀和特征向量{MS,VS},其中S代表形狀;面部形狀可以被建模為s(p)=MS+VSp,其中p代表形狀表示;使用本地響應(yīng)圖像學(xué)習(xí)外觀表示,給定一個(gè)圖像I和形狀表示p,第l個(gè)特征點(diǎn)的本地響應(yīng)圖為
其中是通過交叉驗(yàn)證的補(bǔ)丁,是特征向量;
變化響應(yīng)圖布置為一個(gè)張量其中,i和j分別對(duì)圖像和變化計(jì)數(shù);類似形狀表示的方法,對(duì)運(yùn)用主成分分析獲得平均值和特征向量其中a是指外觀;第l特征點(diǎn)可以通過快速投影計(jì)算;可以用一個(gè)面部p和 來模擬一個(gè)實(shí)例的形狀和外觀。
進(jìn)一步地,所述的形狀表示,構(gòu)建了一個(gè)訓(xùn)練集u={(I,S);y},其中y∈{1,-1};I是標(biāo)注的訓(xùn)練圖像;當(dāng)y=1時(shí),標(biāo)志圖S是使用對(duì)比形狀時(shí)產(chǎn)生的;當(dāng)y=-1時(shí),形狀產(chǎn)生變化;計(jì)算交叉熵?fù)p失的反向傳播。
其中,判別擬合,學(xué)習(xí)一個(gè)級(jí)聯(lián)的非線性映射的外觀表示x(p,I)和形狀更新△p;細(xì)化的形狀表示為p,從最初的預(yù)測(cè)p0到對(duì)比組,一步一步進(jìn)行計(jì)算
pk+1=pk+x(pk,I)Rk+bk (2)
{Rk,bk}是在第k步的回歸,p*是對(duì)比組,使回歸系數(shù)可通過求解最小二乘問題進(jìn)行計(jì)算:
使和回歸可以用閉合解計(jì)算,即:
其中,更新增量表示,為了實(shí)現(xiàn)形狀和外觀的個(gè)性化表示,目標(biāo)是在一個(gè)統(tǒng)一的框架中更新增量離線訓(xùn)練的子空間和假設(shè)離線模型利用平均MA和特征向量VA訓(xùn)練m離線數(shù)據(jù)TA,其中TA的SVD為TA=U∑VT,采用n個(gè)新的在線數(shù)據(jù)TB平均MB來有效地計(jì)算串聯(lián)的[TATB]=U′∑’V′T的SVD;
遵循Sequential Karhunen-Loeve(SKL)算法來計(jì)算級(jí)聯(lián):
其中,
只需要在中期代替整個(gè)級(jí)聯(lián)進(jìn)行奇異值分解
通過插入TC到公式(4),有
立即更新的平均值和特征向量:
與初級(jí)方法相比,增量子空間學(xué)習(xí)從O(d(m+n))到O(dn),顯著降低空間復(fù)雜度,從O(d(m+n)2)到O(dn2)降低計(jì)算復(fù)雜度,m>>n,d代表一次觀測(cè)的長(zhǎng)度;它保證了個(gè)性化表示的有效建模。
其中,并行擬合,一旦形狀和外觀表象進(jìn)行更新,就需要更新回歸級(jí)聯(lián)追蹤網(wǎng)絡(luò)的變化;然而,在一個(gè)順序適應(yīng)回歸的級(jí)聯(lián)比較復(fù)雜,需要在基礎(chǔ)上進(jìn)行計(jì)算;為了解決這個(gè)問題,通過常態(tài)分布直接采樣pk減弱級(jí)聯(lián)的依賴,其中∧k是離線學(xué)習(xí)的形狀變化;一旦級(jí)聯(lián)被扁平化為獨(dú)立的映射,所有的解釋變量可以同時(shí)并行更新;
在離線訓(xùn)練過程中,按照給定的定義計(jì)算和在線測(cè)試期間,基于規(guī)范分布取樣△pB,重新計(jì)算新的外觀表示可以適應(yīng)通過
其中考慮到d>>n,方程(9)中級(jí)聯(lián)退耦模型矩陣求逆的計(jì)算成本顯著降低O(d3)到O(n3)。
其中,擬合評(píng)價(jià),利用深層神經(jīng)網(wǎng)絡(luò)的魯棒擬合評(píng)價(jià);只有適應(yīng)度很好的面部能用于更新增量表示和適應(yīng)回歸梯級(jí)具體人臉的建模;
相反,在網(wǎng)絡(luò)開始將人臉圖像聚集,在特征顯示中的每一個(gè)像素是一個(gè)二進(jìn)制值,標(biāo)志著相應(yīng)的標(biāo)志性的存在;初始化訓(xùn)練過程中的權(quán)重訓(xùn)練的大型數(shù)據(jù)集的對(duì)象分類。
其中,根據(jù)擬合評(píng)價(jià)結(jié)果分析客戶滿意度,是根據(jù)視頻表情和對(duì)比組的擬合評(píng)價(jià)結(jié)果分析不同擬合度,利用訓(xùn)練數(shù)據(jù)集中的對(duì)象表情的客戶的不同反饋結(jié)果分類,根據(jù)不同的擬合度和客戶滿意度形成映射,從而自動(dòng)獲得客戶滿意度結(jié)果。
進(jìn)一步地,所述的根據(jù)擬合評(píng)價(jià)結(jié)果分析客戶滿意度,是根據(jù)擬合評(píng)價(jià)結(jié)果來確定客戶的滿意程度,不需要客戶主觀的進(jìn)行評(píng)價(jià)評(píng)分,從而排除人為主觀因素,使數(shù)據(jù)更加客觀,避免大量問卷數(shù)據(jù),減少人工勞力,提高效率,增加準(zhǔn)確率。
圖2是本發(fā)明一種基于視頻面部表情的客戶滿意度分析方法的人臉表情圖像數(shù)據(jù)集。獲取客戶視頻資料,是通過調(diào)取服務(wù)場(chǎng)地如銀行、收費(fèi)站等地方攝像頭中的視頻信息,獲取客戶 面部表情的視頻資料,形成表情圖集。利用人臉表情圖像數(shù)據(jù)集進(jìn)行訓(xùn)練,根據(jù)視頻信息分析客戶滿意度。
圖3是本發(fā)明一種基于視頻面部表情的客戶滿意度分析方法的采用部分為基礎(chǔ)的表示方法。形狀表示首先通過分析培訓(xùn)獲取圖像的歸一化的面部形態(tài)學(xué);然后采用主成分分析(PCA)以獲得的平均形狀和特征向量{MS,VS},其中S代表形狀;面部形狀可以被建模為s(p)=MS+VSp,其中p代表形狀表示;使用本地響應(yīng)圖像學(xué)習(xí)外觀表示,給定一個(gè)圖像I和形狀表示p,第l個(gè)特征點(diǎn)的本地響應(yīng)圖為其中是通過交叉驗(yàn)證的補(bǔ)丁,是特征向量;
變化響應(yīng)圖布置為一個(gè)張量其中,i和j分別對(duì)圖像和變化計(jì)數(shù);類似形狀表示的方法,對(duì)運(yùn)用主成分分析獲得平均值和特征向量其中a是指外觀;第l特征點(diǎn)可以通過快速投影計(jì)算;可以用一個(gè)面部p和 來模擬一個(gè)實(shí)例的形狀和外觀。
形狀表示構(gòu)建了一個(gè)訓(xùn)練集u={(I,S);y},其中y∈{1,-1};I是標(biāo)注的訓(xùn)練圖像;當(dāng)y=1時(shí),標(biāo)志圖S是使用對(duì)比形狀時(shí)產(chǎn)生的;當(dāng)y=-1時(shí),形狀產(chǎn)生變化;計(jì)算交叉熵?fù)p失的反向傳播。
對(duì)于本領(lǐng)域技術(shù)人員,本發(fā)明不限制于上述實(shí)施例的細(xì)節(jié),在不背離本發(fā)明的精神和范圍的情況下,能夠以其他具體形式實(shí)現(xiàn)本發(fā)明。此外,本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精神和范圍,這些改進(jìn)和變型也應(yīng)視為本發(fā)明的保護(hù)范圍。因此,所附權(quán)利要求意欲解釋為包括優(yōu)選實(shí)施例以及落入本發(fā)明范圍的所有變更和修改。