[發(fā)明專利]基于神經網絡的人臉復雜表情識別方法

有效

• 申請?zhí)枺?/td>: 201710692935.4
• 申請日: 2017-08-14
• 公開（公告）號: CN107423727B
• 公開（公告）日: 2018-07-10
• 發(fā)明（設計）人: 栗科峰;熊欣;陳素霞;張志愿;王煒;陳新穎;宋黎明;郝原;李姝
• 申請（專利權）人: 河南工程學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 鄭州金成知識產權事務所(普通合伙) 41121
• 代理人: 郭增欣

1.一種基于神經網絡的人臉復雜表情識別方法，其步驟是：

A、輸入訓練集中的人臉圖像，先在每個人臉圖像上運行面部組件特征檢測器CBD，通過點擊人臉圖像上眼睛、鼻子和嘴巴的中間部分來提取四個特征的子圖像；

B、使用面部組件特征檢測器CBD半自動點擊每個人臉圖像中眼睛、鼻子和嘴巴的中間部分，并測量之間的七個特征檢測距離；

C、將步驟A所生成的四個子圖像歸一化為0和1之間的范圍，并作為通用反向傳播神經網絡分類器的輸入特征，對通用反向傳播神經網絡分類器進行訓練學習和分類，其具體步驟為：

(1)對應于每個圖像的眼睛、鼻子和嘴巴的子圖像的灰度級別分別存儲在四個矩陣中，四個矩陣成形為一個向量；

(2)將所有訓練樣本的所有輸入向量組合成訓練矩陣X1，然后進行歸一化；

(3)測試集中的每個人都有一個數(shù)字來識別他的身份,網絡的期望輸出Y1將是以二進制格式保存相應的輸入圖像；

(4)X1和Y1送入通用反向傳播神經網絡進行訓練；

D、將步驟B所生成的七個特征檢測距離歸一化為0和1之間的范圍，并作為通用反向傳播神經網絡分類器的輸入特征，對通用反向傳播神經網絡分類器進行訓練學習和分類，其具體步驟為：

(1)將每個圖像的七個特征測量距離存儲在一個向量中；

(2)將所有訓練樣本的所有輸入向量組合成訓練矩陣X2，然后進行歸一化；

(3)輸出Y2為相應輸入圖像的二進制數(shù)；

(4)將X2和Y2送入通用反向傳播神經網絡進行訓練；

E、在步驟C和步驟D訓練結束后，分別對兩個通用反向傳播神經網絡計算系統(tǒng)的均方誤差MSE，具有較少整體MSE的網絡作為主要分類器，另一個作為輔助分類器；

F、輸入待檢測人臉圖像，按照步驟A對待檢測人臉圖像中的眼睛、鼻子和嘴巴四個特征提取其子圖像，對四個子圖像的相應灰度級別進行提取，得到四個矩陣，將四個矩陣歸一化和重構成長度為1425的行向量，結合輸入向量形成的矩陣被饋送到主要分類器進行識別，如主要分類器未識別，用輔助分類器識別；

G、根據步驟B取得待檢測人臉圖像中七個特征檢測距離，七個特征檢測距離存儲在一個向量中，結合輸入向量形成的矩陣被饋送到輔助分類器進行識別。

2.根據權利要求1所述的基于神經網絡的人臉復雜表情識別方法，其特征是：所述通用反向傳播神經網絡包括使用輸入事件來計算網絡期望輸出的前向傳播和使用Werbos鏈規(guī)則來對有序導數(shù)進行計算并調整權重W的反向傳播。

3.根據權利要求2所述的基于神經網絡的人臉復雜表情識別方法，其特征是：所述前向傳播過程為：

第一個神經元是輸入神經元,其輸出為x_i＝X_i，其中X是輸入向量，i∈1...m；令net_i表示第i個神經元的輸出，可以表示為：

這是所有先前神經元輸出的飽和線性組合，可得：

輸出的飽和值S(net_i)的計算公式為：

最后，我們可以使用以下方法獲得每個輸出神經元的網絡期望輸出