情绪识别的方法、装置、存储介质以及电子设备与流程

1.本技术涉及金融科技领域，具体而言，涉及一种情绪识别的方法、装置、存储介质以及电子设备。


背景技术：

2.在客户使用银行柜台进行业务办理的时候，通常会邀请用户在业务办理结束后进行银行柜面客户满意度调查以及柜员服务质量评价，从而确定客户对银行服务的评价。在进行评价的过程中，通常只根据用户填写的调查文件的内容进行确定，无法准确的确定用户的真实想法。
3.在现有技术中，通常通过对客户的表情进行识别的方式进行用户情绪的获取，从而在调查文件的基础上进一步对用户的心理以及客户满意度进行确定。但是，在进行情绪确定的时候，通常使用的方法为记录用户的照片，并根据照片进行用户情绪确定。由于照片中的图像是二维图像，因此可能出现由于遮挡或是视觉错位导致的识别不当，从而造成对用户情绪的判断出现错误，降低情绪分析的准确度。
4.针对相关技术中采用图片确定用户情绪的方法准确度低的问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本技术提供一种情绪识别的方法、装置、存储介质以及电子设备，以解决相关技术中采用图片确定用户情绪的方法准确度低的问题。
6.根据本技术的一个方面，提供了一种情绪识别的方法。该方法包括：获取目标对象的主视图中的特征点，得到多个第一特征点，并获取目标对象的至少一个侧视图中的特征点，得到至少一个第二特征点集合，其中，每个第二特征点集合中包含多个第二特征点，每个第一特征点对应一个第二特征点；根据每个第一特征点的位置信息确定第一特征矩阵，得到多个第一特征矩阵，并根据每个第二特征点的位置信息确定第二特征矩阵，得到多个第二特征矩阵；根据每个第一特征矩阵计算对应的第一特征点在目标坐标系中的二维坐标，得到多个第一二维坐标，并根据每个第二特征矩阵计算对应的第二特征点在目标坐标系中的二维坐标，得到多个第二二维坐标；根据第一特征点和第二特征点之间的对应关系将多个第一二维坐标和多个第二二维坐标进行分组，得到多组二维坐标，并分别通过每组二维坐标生成三维坐标，得到多个三维坐标；根据多个三维坐标生成目标对象的三维模型，并根据三维模型确定目标对象的情绪信息。
7.可选地，根据每个第一特征点的位置信息确定第一特征矩阵，得到多个第一特征矩阵，并根据每个第二特征点的位置信息确定第二特征矩阵，得到多个第二特征矩阵包括：获取每个第一特征点在主视图中的纵坐标和横坐标，分别将每个第一特征点在主视图中的纵坐标和横坐标组合为矩阵，得到多个第一特征矩阵，其中，第一特征矩阵表示为：an[i][j]，其中，an为第n个第一特征点，i为第一特征点在主视图中的纵坐标，j为第一特征点在
主视图中的横坐标；获取每个第二特征点在对应的侧视图中的纵坐标和横坐标，分别将每个第二特征点在侧视图中的纵坐标和横坐标组合为矩阵，得到多个第二特征矩阵，其中，第一特征矩阵表示为：bn[a][b]，其中，bn为第n个第二特征点，a为第二特征点在侧视图中的纵坐标，b为第二特征点在侧视图中的横坐标。
[0008]
可选地，根据每个第一特征矩阵计算对应的第一特征点在目标坐标系中的二维坐标，得到多个第一二维坐标，并根据每个第二特征矩阵计算对应的第二特征点在目标坐标系中的二维坐标，得到多个第二二维坐标包括：通过如下公式计算第一特征点在目标坐标系中的二维坐标，得到第一二维坐标：
[0009]
r(y,z)＝([(i/m1)*y*d],[(j/n1)*z*d])
[0010]
其中，r(y,z)为第一二维坐标，m1为主视图的横向长度，n1为主视图的纵向长度，y为目标坐标系的y轴的长度，z为目标坐标系的z轴的长度，y轴与z轴垂直，d为比例系数；通过如下公式计算第二特征点在目标坐标系中的二维坐标，得到第二二维坐标：
[0011]
r(y,x)＝([(a/m2)*y*d],[(b/n2)*x*d])
[0012]
其中，r(y,x)为第二二维坐标，m2为侧视图的横向长度，n2为侧视图的纵向长度，y为目标坐标系的y轴的长度，x为目标坐标系的x轴的长度，x轴与z轴垂直并且与y轴垂直，d为比例系数。
[0013]
可选地，根据第一特征点和第二特征点之间的对应关系将多个第一二维坐标和多个第二二维坐标进行分组，得到多组二维坐标包括：根据第一特征点和第二特征点的对应关系确定第一二维坐标和第二二维坐标之间的对应关系；将存在对应关系的第一二维坐标和第二二维坐标分为一组，得到多组二维坐标；根据共同的坐标轴将每组二维坐标中的第一二维坐标和第二二维坐标进行合并，生成三维坐标。
[0014]
可选地，在根据多个三维坐标生成目标对象的三维模型之前，该方法还包括：判断多个三维坐标中是否存在相同的三维坐标；在多个三维坐标中存在相同的三维坐标的情况下，将相同的三维坐标进行合并，直至多个三维坐标中不存在相同的三维坐标。
[0015]
可选地，在根据多个三维坐标生成目标对象的三维模型之后，该方法还包括：将多个三维坐标进行连接，根据多个三维坐标之间的连接关系确定三维模型的多个向量；将多个三维坐标以及多个向量确定为三维模型的图数据，并将图数据进行存储。
[0016]
可选地，将多个三维坐标进行连接，根据多个三维坐标之间的连接关系确定三维模型的多个向量包括：将目标坐标系所在空间按照任意平面进行分层，得到多层空间；将同一层空间中的三维坐标之间进行连接，并根据同一层空间中的三维坐标之间的连接关系确定多个第一向量；将相邻层空间中距离最近的两个三维坐标之间进行连接，并根据相邻层空间中的三维坐标之间的连接关系确定多个第二向量；将多个第一向量和多个第二向量确定为三维模型的多个向量。
[0017]
可选地，将目标坐标系所在空间按照任意平面进行分层，得到多层空间包括：确定每层空间中的三维坐标数量是否均小于数量阈值；在出现三维坐标数量大于等于数量阈值的情况下，重新进行分层，直至每层空间中的三维坐标数量均小于数量阈值；在每层空间中的三维坐标数量均小于数量阈值的情况下，执行将同一层空间中的三维坐标之间进行连接，并根据同一层空间中的三维坐标之间的连接关系确定多个第一向量的操作。
[0018]
可选地，根据三维模型确定目标对象的情绪信息包括：确定三维模型与多个预设
模型之间的相似度，得到多个相似度；从多个预设模型中确定相似度最高的预设模型，得到目标预设模型；将目标预设模型对应的情绪信息确定为目标对象的情绪信息。
[0019]
根据本技术的另一方面，提供了一种情绪识别的装置。该装置包括：获取单元，用于获取目标对象的主视图中的特征点，得到多个第一特征点，并获取目标对象的至少一个侧视图中的特征点，得到至少一个第二特征点集合，其中，每个第二特征点集合中包含多个第二特征点，每个第一特征点对应一个第二特征点；第一确定单元，用于根据每个第一特征点的位置信息确定第一特征矩阵，得到多个第一特征矩阵，并根据每个第二特征点的位置信息确定第二特征矩阵，得到多个第二特征矩阵；计算单元，用于根据每个第一特征矩阵计算对应的第一特征点在目标坐标系中的二维坐标，得到多个第一二维坐标，并根据每个第二特征矩阵计算对应的第二特征点在目标坐标系中的二维坐标，得到多个第二二维坐标；分组单元，用于根据第一特征点和第二特征点之间的对应关系将多个第一二维坐标和多个第二二维坐标进行分组，得到多组二维坐标，并分别通过每组二维坐标生成三维坐标，得到多个三维坐标；生成单元，用于根据多个三维坐标生成目标对象的三维模型，并根据三维模型确定目标对象的情绪信息。
[0020]
根据本发明实施例的另一方面，还提供了一种计算机存储介质，计算机存储介质用于存储程序，其中，程序运行时控制计算机存储介质所在的设备执行一种情绪识别的方法。
[0021]
根据本发明实施例的另一方面，还提供了一种电子设备，包含一个或多个处理器和存储器；存储器中存储有计算机可读指令，处理器用于运行计算机可读指令，其中，计算机可读指令运行时执行一种情绪识别的方法。
[0022]
通过本技术，采用以下步骤：获取目标对象的主视图中的特征点，得到多个第一特征点，并获取目标对象的至少一个侧视图中的特征点，得到至少一个第二特征点集合，其中，每个第二特征点集合中包含多个第二特征点，每个第一特征点对应一个第二特征点；根据每个第一特征点的位置信息确定第一特征矩阵，得到多个第一特征矩阵，并根据每个第二特征点的位置信息确定第二特征矩阵，得到多个第二特征矩阵；根据每个第一特征矩阵计算对应的第一特征点在目标坐标系中的二维坐标，得到多个第一二维坐标，并根据每个第二特征矩阵计算对应的第二特征点在目标坐标系中的二维坐标，得到多个第二二维坐标；根据第一特征点和第二特征点之间的对应关系将多个第一二维坐标和多个第二二维坐标进行分组，得到多组二维坐标，并分别通过每组二维坐标生成三维坐标，得到多个三维坐标；根据多个三维坐标生成目标对象的三维模型，并根据三维模型确定目标对象的情绪信息，解决了相关技术中采用图片确定用户情绪的方法准确度低的问题。通过获取用户的主视图以及至少一个侧视图，并将图片添加至目标坐标系中，在目标坐标系中生成目标用户的三维模型，从而根据三维模型和预设模型之间的相似度进行目标用户的情绪的确定，进而达到了准确确定用户的情绪的效果。
附图说明
[0023]
构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
[0024]
图1是根据本技术实施例提供的情绪识别的方法的流程图；
[0025]
图2(a)是根据本技术实施例提供的可选的目标对象的主视图的示意图；
[0026]
图2(b)是根据本技术实施例提供的可选的目标对象的侧视图的示意图；
[0027]
图3是根据本技术实施例提供的可选的将主视图和侧视图添加至目标坐标系的示意图；
[0028]
图4是根据本技术实施例提供的可选的目标坐标系的空间分层的示意图；
[0029]
图5是根据本技术实施例提供的情绪识别的装置的示意图；
[0030]
图6为根据本技术实施例提供的一种电子设备的示意图。
具体实施方式
[0031]
需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
[0032]
为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，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，都应当属于本技术保护的范围。
[0033]
需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0034]
需要说明的是，本公开所涉及的相关信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。例如，本系统和相关用户或机构间设置有接口，在获取相关信息之前，需要通过接口向前述的用户或机构发送获取请求，并在接收到前述的用户或机构反馈的同意信息后，获取相关信息。
[0035]
需要说明的是，本公开所确定的情绪识别的方法、装置、存储介质以及电子设备可用于金融科技领域，也可用于除金融科技领域之外的任意领域，本公开所确定的情绪识别的方法、装置、存储介质以及电子设备的应用领域不做限定。
[0036]
为了便于描述，以下对本技术实施例涉及的部分名词或术语进行说明：
[0037]
图数据库：是一种非关系型数据库，用图论模型来存储实体、以及实体与实体关系的数据库系统。由顶点和边(也称节点和关系)构成的关系网络提供了图数据存储、读取和分析的数据库系统。
[0038]
根据本技术的实施例，提供了一种情绪识别的方法。
[0039]
图1是根据本技术实施例提供的情绪识别的方法的流程图。如图1所示，该方法包括以下步骤：
[0040]
步骤s101，获取目标对象的主视图中的特征点，得到多个第一特征点，并获取目标对象的至少一个侧视图中的特征点，得到至少一个第二特征点集合，其中，每个第二特征点
集合中包含多个第二特征点，每个第一特征点对应一个第二特征点。
[0041]
具体的，目标对象可以为进行业务办理的用户。在对用户的特征点进行获取之前，需要先获取该用户的主视图以及至少一个侧视图，由于人脸是对称的，因此可以使用一张主视图和一张侧视图。例如，图2(a)是根据本技术实施例提供的可选的目标对象的主视图的示意图，图2(b)是根据本技术实施例提供的可选的目标对象的侧视图的示意图，如图2(a)和图2(b)所示，主视图可以为用户的正脸照片，侧视图可以为用户的左脸照片。
[0042]
在获取到照片之后，可以根据预设特征点选取方法在用户的图片中进行特征点的选取，例如，可以根据图2(a)和图2(b)中的特征点选取方法进行第一特征点和第二特征点的确定，从而得到主视图对应的多个第一特征点以及侧视图对应的多个第二特征点。
[0043]
需要说明的是，在有多个侧视图的情况下，需要根据每个侧视图分别进行特征点的选取。
[0044]
步骤s102，根据每个第一特征点的位置信息确定第一特征矩阵，得到多个第一特征矩阵，并根据每个第二特征点的位置信息确定第二特征矩阵，得到多个第二特征矩阵。
[0045]
具体的，在得到每个图片对应的特征点以后，可以根据每个照片对应的像素点的坐标对每个特征点的位置信息进行确定，并根据每个特征点的位置信息确定每个特征点的特征矩阵，也即位置坐标矩阵。
[0046]
为了准确的确定每个特征点对应的特征矩阵，可选地，在本技术实施例提供的情绪识别的方法中，根据每个第一特征点的位置信息确定第一特征矩阵，得到多个第一特征矩阵，并根据每个第二特征点的位置信息确定第二特征矩阵，得到多个第二特征矩阵包括：获取每个第一特征点在主视图中的纵坐标和横坐标，分别将每个第一特征点在主视图中的纵坐标和横坐标组合为矩阵，得到多个第一特征矩阵，其中，第一特征矩阵表示为：an[i][j]，其中，an为第n个第一特征点，i为第一特征点在主视图中的纵坐标，j为第一特征点在主视图中的横坐标；获取每个第二特征点在对应的侧视图中的纵坐标和横坐标，分别将每个第二特征点在侧视图中的纵坐标和横坐标组合为矩阵，得到多个第二特征矩阵，其中，第一特征矩阵表示为：bn[a][b]，其中，bn为第n个第二特征点，a为第二特征点在侧视图中的纵坐标，b为第二特征点在侧视图中的横坐标。
[0047]
具体的，可以根据每个图片的长度和宽度，以及特征点在图中的位置，进行每个特征点的特征矩阵的确定。例如，主视图可以为1024mm*512mm，1号特征点在主视图中的位置可以为10mm*10mm，则1号特征点的第一特征矩阵为a1[10][10]，同样的，侧视图可以为1024mm*512mm，2号特征点在主视图中的位置可以为100mm*100mm，则2号特征点的第一特征矩阵为b2[100][100]。
[0048]
步骤s103，根据每个第一特征矩阵计算对应的第一特征点在目标坐标系中的二维坐标，得到多个第一二维坐标，并根据每个第二特征矩阵计算对应的第二特征点在目标坐标系中的二维坐标，得到多个第二二维坐标。
[0049]
具体的，在得到每个特征点的特征矩阵之后，需要将全部的特征点添加至目标坐标系中，进行坐标系的统一，使得在目标坐标系中生成的三维模型与预设模型处于相同的坐标系中，从而提高对比的准确度。
[0050]
可选地，在本技术实施例提供的情绪识别的方法中，根据每个第一特征矩阵计算对应的第一特征点在目标坐标系中的二维坐标，得到多个第一二维坐标，并根据每个第二
特征矩阵计算对应的第二特征点在目标坐标系中的二维坐标，得到多个第二二维坐标包括：通过如下公式计算第一特征点在目标坐标系中的二维坐标，得到第一二维坐标：
[0051]
r(y,z)＝([(i/m1)*y*d],[(j/n1)*z*d])
[0052]
其中，r(y,z)为第一二维坐标，m1为主视图的横向长度，n1为主视图的纵向长度，y为目标坐标系的y轴的长度，z为目标坐标系的z轴的长度，y轴与z轴垂直，d为比例系数；通过如下公式计算第二特征点在目标坐标系中的二维坐标，得到第二二维坐标：
[0053]
r(y,x)＝([(a/m2)*y*d],[(b/n2)*x*d])
[0054]
其中，r(y,x)为第二二维坐标，m2为侧视图的横向长度，n2为侧视图的纵向长度，y为目标坐标系的y轴的长度，x为目标坐标系的x轴的长度，x轴与z轴垂直并且与y轴垂直，d为比例系数。
[0055]
具体的，d为可以变更的比例系数，即为在图片中每两个坐标信息之间的长度与目标坐标系中每两个坐标信息之间的长度之间的比值，例如，在图片中x＝1和x＝2之间的长度为1，目标坐标系中x＝1和x＝2之间的长度也为1，则d＝1。
[0056]
在确定d的值之后，可以根据坐标系中的使用长度与图片的长度之间的比例关系，以及特征点在图片中的位置，计算得到特征点在目标坐标系中的位置关系，其中，由于坐标轴的长度是无穷的，因此需要根据坐标轴中预设的模型大小确定坐标轴的使用长度。图3是根据本技术实施例提供的可选的将主视图和侧视图添加至目标坐标系的示意图，如图3所示，在通过上述公式分别对第一特征点和第二特征点对应的二维坐标进行确定之后，即可根据计算出的二维坐标将主视图和侧视图添加至目标坐标系中。
[0057]
需要说明的是，公式中r(y,z)中的y对应的是目标坐标系中的y轴，z对应的是目标坐标系中的z轴，通过特征点的纵坐标进行坐标变化得到y值，通过特征点的横坐标进行坐标变化得到z值，从而可以将主视图添加至目标坐标系中的y-z坐标平面中。
[0058]
同样的，公式中r(y,x)中的y对应的是目标坐标系中的y轴，x对应的是目标坐标系中的x轴，通过特征点的纵坐标进行坐标变化得到y值，通过特征点的横坐标进行坐标变化得到x值，从而可以将侧视图添加至目标坐标系中的y-x坐标平面中。
[0059]
步骤s104，根据第一特征点和第二特征点之间的对应关系将多个第一二维坐标和多个第二二维坐标进行分组，得到多组二维坐标，并分别通过每组二维坐标生成三维坐标，得到多个三维坐标。
[0060]
具体的，在得到每个特征点对应的二维坐标后，可以根据第一特征点和第二特征点之间的对应关系将多个第一二维坐标和多个第二二维坐标进行分组，从而得到多组二维坐标，其中，每组二维坐标中包括一个主视图中一个第一特征点的第一二维坐标，以及该第一特征点对应的侧视图中的一个第二特征点的第二二维坐标，通过对特征点的坐标进行分组，即可根据每组中的二维坐标生成一对儿对应的第一特征点和第二特征点在目标坐标系中的三维坐标点。
[0061]
可选地，在本技术实施例提供的情绪识别的方法中，根据第一特征点和第二特征点之间的对应关系将多个第一二维坐标和多个第二二维坐标进行分组，得到多组二维坐标包括：根据第一特征点和第二特征点的对应关系确定第一二维坐标和第二二维坐标之间的对应关系；将存在对应关系的第一二维坐标和第二二维坐标分为一组，得到多组二维坐标；根据共同的坐标轴将每组二维坐标中的第一二维坐标和第二二维坐标进行合并，生成三维
坐标。
[0062]
具体的，先根据第一二维坐标和第二二维坐标之间的对应关系进行分组，得到多组二维坐标，并根据组中的相同坐标轴将两个二维坐标进行合并，得到一对儿对应的第一特征点和第二特征点在目标坐标系中的三维坐标点。
[0063]
例如，一组二维坐标可以为r(y,x)＝(5,4)，r(y,z)＝(5,9)，则对应的三维坐标可以为r(x,y,z)＝(4,5,9)。
[0064]
可选地，在本技术实施例提供的情绪识别的方法中，在根据多个三维坐标生成目标对象的三维模型之前，该方法还包括：判断多个三维坐标中是否存在相同的三维坐标；在多个三维坐标中存在相同的三维坐标的情况下，将相同的三维坐标进行合并，直至多个三维坐标中不存在相同的三维坐标。
[0065]
具体的，在两张侧视图的情况下，可能出现三维坐标重复的现象，例如，左视图中的鼻尖的点与主视图中鼻尖的点对应，右视图中的鼻尖的点也与主视图中鼻尖的点对应，则在生成三维坐标的时候，就会出现重复的三维坐标，此时，需要将一个重复的坐标进行删除，使得三维模型中不存在重复的三维坐标，从而在对三维模型进行存储的时候减少存储的数据量，节省存储空间。
[0066]
步骤s105，根据多个三维坐标生成目标对象的三维模型，并根据三维模型确定目标对象的情绪信息。
[0067]
可选地，在本技术实施例提供的情绪识别的方法中，根据三维模型确定目标对象的情绪信息包括：确定三维模型与多个预设模型之间的相似度，得到多个相似度；从多个预设模型中确定相似度最高的预设模型，得到目标预设模型；将目标预设模型对应的情绪信息确定为目标对象的情绪信息。
[0068]
具体的，在生成目标对象的三维模型之后，可以将该三维模型与预设模型之间进行对比，从而判断目标对象的三维模型的情绪，其中，预设模型为不同的表情以及肌肉位置和用户情绪的对应关系，可以通过判断重合度的方式确定目标对象的三维模型与每个预设模型之间的相似度，从而将相似度最高的预设模型对应的情绪确定为目标对象的情绪，从而达到了通过三维模型准确确定目标对象的情绪的效果。
[0069]
本技术实施例提供的情绪识别的方法，通过获取目标对象的主视图中的特征点，得到多个第一特征点，并获取目标对象的至少一个侧视图中的特征点，得到至少一个第二特征点集合，其中，每个第二特征点集合中包含多个第二特征点，每个第一特征点对应一个第二特征点；根据每个第一特征点的位置信息确定第一特征矩阵，得到多个第一特征矩阵，并根据每个第二特征点的位置信息确定第二特征矩阵，得到多个第二特征矩阵；根据每个第一特征矩阵计算对应的第一特征点在目标坐标系中的二维坐标，得到多个第一二维坐标，并根据每个第二特征矩阵计算对应的第二特征点在目标坐标系中的二维坐标，得到多个第二二维坐标；根据第一特征点和第二特征点之间的对应关系将多个第一二维坐标和多个第二二维坐标进行分组，得到多组二维坐标，并分别通过每组二维坐标生成三维坐标，得到多个三维坐标；根据多个三维坐标生成目标对象的三维模型，并根据三维模型确定目标对象的情绪信息，解决了相关技术中采用图片确定用户情绪的方法准确度低的问题。通过获取用户的主视图以及至少一个侧视图，并将图片添加至目标坐标系中，在目标坐标系中生成目标用户的三维模型，从而根据三维模型和预设模型之间的相似度进行目标用户的情
绪的确定，进而达到了准确确定用户的情绪的效果。
[0070]
可选地，在本技术实施例提供的情绪识别的方法中，在根据多个三维坐标生成目标对象的三维模型之后，该方法还包括：将多个三维坐标进行连接，根据多个三维坐标之间的连接关系确定三维模型的多个向量；将多个三维坐标以及多个向量确定为三维模型的图数据，并将图数据进行存储。
[0071]
具体的，在生成目标对象的三维模型之后，还可以将该三维模型进行存储，从而作为预设模型使用。在进行存储的时候，可以将三维模型中的每两个三维数据点进行连接，从而得到多个边，也即多个向量，并将向量与三维坐标进行存储，从而将三维模型进行二维存储，进而达到便捷的存储三维模型的效果。
[0072]
可选地，在本技术实施例提供的情绪识别的方法中，将多个三维坐标进行连接，根据多个三维坐标之间的连接关系确定三维模型的多个向量包括：将目标坐标系所在空间按照任意平面进行分层，得到多层空间；将同一层空间中的三维坐标之间进行连接，并根据同一层空间中的三维坐标之间的连接关系确定多个第一向量；将相邻层空间中距离最近的两个三维坐标之间进行连接，并根据相邻层空间中的三维坐标之间的连接关系确定多个第二向量；将多个第一向量和多个第二向量确定为三维模型的多个向量。
[0073]
具体的，在进行边的生成的过程中，由于通过全连接的方式进行生成的方法会使得三维模型对应的边的数量过多，增加三维模型的图数据的大小，影响存储的空间。因此，可以先将目标坐标系中的空间进行分层，并对每层中的三维坐标点进行连接，再选出层与层之间距离最近的两个点，将这两个点进行连接，从而将相邻的两个层中的点进行连接。
[0074]
图4是根据本技术实施例提供的可选的目标坐标系的空间分层的示意图，如图4所示，图4通过主视图的分层效果体现目标坐标系中的空间分层的效果，可以将每层中的点进行全连接，并将跨层中距离最近的点进行连接，从而完成对整个三维模型的连接。例如，点1与点2为跨层的点，由于点1与点2是相邻的两层中距离最近的点，所以可以将点1与点2进行连接，从而完成跨层连接。
[0075]
可选地，在本技术实施例提供的情绪识别的方法中，将目标坐标系所在空间按照任意平面进行分层，得到多层空间包括：确定每层空间中的三维坐标数量是否均小于数量阈值；在出现三维坐标数量大于等于数量阈值的情况下，重新进行分层，直至每层空间中的三维坐标数量均小于数量阈值；在每层空间中的三维坐标数量均小于数量阈值的情况下，执行将同一层空间中的三维坐标之间进行连接，并根据同一层空间中的三维坐标之间的连接关系确定多个第一向量的操作。
[0076]
具体的，在对目标坐标系进行分层的时候，需要将坐标系中的点进行平均分层，从而保证边的数量最少。在进行分层的时候，每层之间的距离可以不相同，也即，无需平均分配空间，只需将点进行平均分配。在进行点数的确定的时候，可以确定每层中的三维坐标点的数量，在该层中的三维坐标点的数量小于数量阈值的情况下，证明分层无异常，在该层中的三维坐标点的数量大于等于数量阈值的情况下，重新分层直至该层中的三维坐标点的数量小于数量阈值，从而在进行边的确定时额也可以使边的数量达到最小。
[0077]
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0078]
本技术实施例还提供了一种情绪识别的装置，需要说明的是，本技术实施例的情绪识别的装置可以用于执行本技术实施例所提供的用于情绪识别的方法。以下对本技术实施例提供的情绪识别的装置进行介绍。
[0079]
图5是根据本技术实施例提供的情绪识别的装置的示意图。如图5所示，该装置包括：获取单元51，第一确定单元52，计算单元53，分组单元54，生成单元55。
[0080]
具体的，获取单元51，用于获取目标对象的主视图中的特征点，得到多个第一特征点，并获取目标对象的至少一个侧视图中的特征点，得到至少一个第二特征点集合，其中，每个第二特征点集合中包含多个第二特征点，每个第一特征点对应一个第二特征点。
[0081]
第一确定单元52，用于根据每个第一特征点的位置信息确定第一特征矩阵，得到多个第一特征矩阵，并根据每个第二特征点的位置信息确定第二特征矩阵，得到多个第二特征矩阵。
[0082]
计算单元53，用于根据每个第一特征矩阵计算对应的第一特征点在目标坐标系中的二维坐标，得到多个第一二维坐标，并根据每个第二特征矩阵计算对应的第二特征点在目标坐标系中的二维坐标，得到多个第二二维坐标。
[0083]
分组单元54，用于根据第一特征点和第二特征点之间的对应关系将多个第一二维坐标和多个第二二维坐标进行分组，得到多组二维坐标，并分别通过每组二维坐标生成三维坐标，得到多个三维坐标。
[0084]
生成单元55，用于根据多个三维坐标生成目标对象的三维模型，并根据三维模型确定目标对象的情绪信息。
[0085]
本技术实施例提供的情绪识别的装置，通过获取单元51获取目标对象的主视图中的特征点，得到多个第一特征点，并获取目标对象的至少一个侧视图中的特征点，得到至少一个第二特征点集合，其中，每个第二特征点集合中包含多个第二特征点，每个第一特征点对应一个第二特征点；第一确定单元52根据每个第一特征点的位置信息确定第一特征矩阵，得到多个第一特征矩阵，并根据每个第二特征点的位置信息确定第二特征矩阵，得到多个第二特征矩阵；计算单元53根据每个第一特征矩阵计算对应的第一特征点在目标坐标系中的二维坐标，得到多个第一二维坐标，并根据每个第二特征矩阵计算对应的第二特征点在目标坐标系中的二维坐标，得到多个第二二维坐标；分组单元54根据第一特征点和第二特征点之间的对应关系将多个第一二维坐标和多个第二二维坐标进行分组，得到多组二维坐标，并分别通过每组二维坐标生成三维坐标，得到多个三维坐标；生成单元55根据多个三维坐标生成目标对象的三维模型，并根据三维模型确定目标对象的情绪信息。解决了相关技术中采用图片确定用户情绪的方法准确度低的问题。通过获取用户的主视图以及至少一个侧视图，并将图片添加至目标坐标系中，在目标坐标系中生成目标用户的三维模型，从而根据三维模型和预设模型之间的相似度进行目标用户的情绪的确定，进而达到了准确确定用户的情绪的效果。
[0086]
可选地，在本技术实施例提供的情绪识别的装置中，第一确定单元52包括：第一获取模块，用于获取每个第一特征点在主视图中的纵坐标和横坐标，分别将每个第一特征点在主视图中的纵坐标和横坐标组合为矩阵，得到多个第一特征矩阵，其中，第一特征矩阵表示为：an[i][j]，其中，an为第n个第一特征点，i为第一特征点在主视图中的纵坐标，j为第一特征点在主视图中的横坐标；第二获取模块，用于获取每个第二特征点在对应的侧视图
中的纵坐标和横坐标，分别将每个第二特征点在侧视图中的纵坐标和横坐标组合为矩阵，得到多个第二特征矩阵，其中，第一特征矩阵表示为：bn[a][b]，其中，bn为第n个第二特征点，a为第二特征点在侧视图中的纵坐标，b为第二特征点在侧视图中的横坐标。
[0087]
可选地，在本技术实施例提供的情绪识别的装置中，计算单元53包括：第一计算模块，用于通过如下公式计算第一特征点在目标坐标系中的二维坐标，得到第一二维坐标：
[0088]
r(y,z)＝([(i/m1)*y*d],[(j/n1)*z*d])
[0089]
其中，r(y,z)为第一二维坐标，m1为主视图的横向长度，n1为主视图的纵向长度，y为目标坐标系的y轴的长度，z为目标坐标系的z轴的长度，y轴与z轴垂直，d为比例系数；第二计算模块，用于通过如下公式计算第二特征点在目标坐标系中的二维坐标，得到第二二维坐标：
[0090]
r(y,x)＝([(a/m2)*y*d],[(b/n2)*x*d])
[0091]
其中，r(y,x)为第二二维坐标，m2为侧视图的横向长度，n2为侧视图的纵向长度，y为目标坐标系的y轴的长度，x为目标坐标系的x轴的长度，x轴与z轴垂直并且与y轴垂直，d为比例系数。
[0092]
可选地，在本技术实施例提供的情绪识别的装置中，分组单元54包括：第一确定模块，用于根据第一特征点和第二特征点的对应关系确定第一二维坐标和第二二维坐标之间的对应关系；分组模块，用于将存在对应关系的第一二维坐标和第二二维坐标分为一组，得到多组二维坐标；合并模块，用于根据共同的坐标轴将每组二维坐标中的第一二维坐标和第二二维坐标进行合并，生成三维坐标。
[0093]
可选地，在本技术实施例提供的情绪识别的装置中，在根据多个三维坐标生成目标对象的三维模型之前，该装置还包括：判断单元，用于判断多个三维坐标中是否存在相同的三维坐标；合并单元，用于在多个三维坐标中存在相同的三维坐标的情况下，将相同的三维坐标进行合并，直至多个三维坐标中不存在相同的三维坐标。
[0094]
可选地，在本技术实施例提供的情绪识别的装置中，在根据多个三维坐标生成目标对象的三维模型之后，该装置还包括：连接单元，用于将多个三维坐标进行连接，根据多个三维坐标之间的连接关系确定三维模型的多个向量；第二确定单元，用于将多个三维坐标以及多个向量确定为三维模型的图数据，并将图数据进行存储。
[0095]
可选地，在本技术实施例提供的情绪识别的装置中，连接单元包括：分层模块，用于将目标坐标系所在空间按照任意平面进行分层，得到多层空间；第一连接模块，用于将同一层空间中的三维坐标之间进行连接，并根据同一层空间中的三维坐标之间的连接关系确定多个第一向量；第二连接模块，用于将相邻层空间中距离最近的两个三维坐标之间进行连接，并根据相邻层空间中的三维坐标之间的连接关系确定多个第二向量；第二确定模块，用于将多个第一向量和多个第二向量确定为三维模型的多个向量。
[0096]
可选地，在本技术实施例提供的情绪识别的装置中，分层模块包括：确定子模块，用于确定每层空间中的三维坐标数量是否均小于数量阈值；分层子模块，用于在出现三维坐标数量大于等于数量阈值的情况下，重新进行分层，直至每层空间中的三维坐标数量均小于数量阈值；执行子模块，用于在每层空间中的三维坐标数量均小于数量阈值的情况下，执行将同一层空间中的三维坐标之间进行连接，并根据同一层空间中的三维坐标之间的连接关系确定多个第一向量的操作。
[0097]
可选地，在本技术实施例提供的情绪识别的装置中，生成单元55包括：第三确定模块，用于确定三维模型与多个预设模型之间的相似度，得到多个相似度；第四确定模块，用于从多个预设模型中确定相似度最高的预设模型，得到目标预设模型；第五确定模块，用于将目标预设模型对应的情绪信息确定为目标对象的情绪信息。
[0098]
上述情绪识别的装置包括处理器和存储器，上述获取单元51，第一确定单元52，计算单元53，分组单元54，生成单元55等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
[0099]
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决了相关技术中采用图片确定用户情绪的方法准确度低的问题。
[0100]
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。
[0101]
本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现所述情绪识别的方法。
[0102]
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述情绪识别的方法。
[0103]
如图6所示，本发明实施例提供了一种电子设备，电子设备60包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取目标对象的主视图中的特征点，得到多个第一特征点，并获取目标对象的至少一个侧视图中的特征点，得到至少一个第二特征点集合，其中，每个第二特征点集合中包含多个第二特征点，每个第一特征点对应一个第二特征点；根据每个第一特征点的位置信息确定第一特征矩阵，得到多个第一特征矩阵，并根据每个第二特征点的位置信息确定第二特征矩阵，得到多个第二特征矩阵；根据每个第一特征矩阵计算对应的第一特征点在目标坐标系中的二维坐标，得到多个第一二维坐标，并根据每个第二特征矩阵计算对应的第二特征点在目标坐标系中的二维坐标，得到多个第二二维坐标；根据第一特征点和第二特征点之间的对应关系将多个第一二维坐标和多个第二二维坐标进行分组，得到多组二维坐标，并分别通过每组二维坐标生成三维坐标，得到多个三维坐标；根据多个三维坐标生成目标对象的三维模型，并根据三维模型确定目标对象的情绪信息。本文中的设备可以是服务器、pc、pad、手机等。
[0104]
本技术还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取目标对象的主视图中的特征点，得到多个第一特征点，并获取目标对象的至少一个侧视图中的特征点，得到至少一个第二特征点集合，其中，每个第二特征点集合中包含多个第二特征点，每个第一特征点对应一个第二特征点；根据每个第一特征点的位置信息确定第一特征矩阵，得到多个第一特征矩阵，并根据每个第二特征点的位置信息确定第二特征矩阵，得到多个第二特征矩阵；根据每个第一特征矩阵计算对应的第一特征点在目标坐标系中的二维坐标，得到多个第一二维坐标，并根据每个第二特征矩阵计算对应的第二特征点在目标坐标系中的二维坐标，得到多个第二二维坐标；根据第一特征点和第二特征点之间的对应关系将多个第一二维坐标和多个第二二维坐标进行分
组，得到多组二维坐标，并分别通过每组二维坐标生成三维坐标，得到多个三维坐标；根据多个三维坐标生成目标对象的三维模型，并根据三维模型确定目标对象的情绪信息。
[0105]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0106]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0107]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0108]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0109]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0110]
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。存储器是计算机可读介质的示例。
[0111]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0112]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0113]
以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。