[發明專利]一種基于卷積神經網絡的人臉表情識別方法

有效

• 申請號: 201810717584.2
• 申請日: 2018-07-03
• 公開（公告）號: CN109033994B
• 公開（公告）日: 2021-08-10
• 發明（設計）人: 姜彥吉;葛少成;郭羽含;王光;楊帆
• 申請（專利權）人: 遼寧工程技術大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 梁焱

本發明提供一種基于卷積神經網絡的人臉表情識別方法，涉及人臉表情識別技術領域。該方法首先采集人臉表情圖片，下載FER?2013人臉庫與CK+人臉庫，將圖像分為訓練集與測試集，然后對采集的圖像進行預處理，得到96*96大小的灰度圖像，建立卷積神經網絡模型，并利用訓練集進行訓練，計算訓練的實際輸出結果與標簽值之間的誤差，通過反向傳播算法自頂向下傳遞差值，并利用權值更新公式更新權值，訓練完后，保存訓練完成的網絡模型，輸入測試集的圖像到訓練模型中，計算識別率。本發明中，對人臉表情識別方法進行改進，模型的收斂速度提高，識別效率提高，改變了該卷積神經網絡的準確率，在一定程度上提高了人臉表情識別效率。

技術領域

本發明涉及人臉表情識別技術領域，尤其涉及一種基于卷積神經網絡的人臉表情識別方法。

背景技術

人臉表情是可以傳遞情感的一種有效的方式。表情中包含許多關于情感的有效信息；表情識別作為一種可以自動鑒別人臉的技術，對于單張人臉圖像，識別效率較高；由于不同人的表情存在一定的差異性，導致識別率降低。表情識別過程是通過特征點提取來減小存在的差異性。然而，由于提取到的特征點存在定位不準、有效的特征點較少，造成人臉表情識別效率較低，以及該過程較為復雜等缺點。人臉表情識別可應用于醫療、教育、交通等諸多領域；因此，實現人臉表情識別方法是一個重要的研究領域。

發明內容

本發明要解決的技術問題是針對上述現有技術的不足，提供一種基于卷積神經網絡的人臉表情識別方法，對人臉表情識別方法進行改進，在一定程度上提高了人臉表情識別效率。

為解決上述技術問題，本發明所采取的技術方案是：一種基于卷積神經網絡的人臉表情識別方法，包括以下步驟：

步驟1、通過數碼相機、手機或監控設備對人臉表情圖片進行采集，利用互聯網下載FER-2013人臉庫與CK+人臉庫，獲得數量級較大的關于人臉的圖像，并將圖像分為訓練集與測試集兩部分；

步驟2、對采集的圖像進行預處理，將采集到的圖像統一裁剪為96*96像素大小，并將人臉位于該圖的中心位置，利用matlab軟件將人臉庫中的彩色圖像灰度化處理，得到96*96大小的灰度圖像；

步驟3、建立卷積神經網絡模型，該模型包括依序連接的兩個卷積層、一個子采樣層、一個卷積層、一個子采樣層、一個全連接層和一個Softmax分類層，各層分別如下：

(1)卷積層C1，卷積核大小為5*5，步長為1，卷積核個數為32，無填充；

(2)卷積層C2，卷積核大小為5*5，步長為1，卷積核個數為64，無填充；

(3)子采樣層S1，子采樣窗口大小為2*2，步長為1，無填充；

(4)卷積層C3，卷積核大小為5*5，步長為1，卷積核個數為128，無填充；

(5)子采樣層S2，子采樣窗口為2*2，步長為1，無填充；

(6)全連接層，包含300個神經元，將子采樣層S2的輸出特征圖轉化為一維向量；

(7)Softmax分類層，與全連接層中的神經元進行全連接，得到7個預測值；

具體的建立過程如下：

步驟3.1、將訓練集中的圖像輸入該模型中的卷積層，遍歷圖像中的子圖像像素值，卷積層第l層的j個特征圖輸出函數如下：

其中，l表示第l層，即為當前層，l-1即表示前一層；表示第l層的排列順序為j的特征圖；w_i，j表示當前層與前一層特征圖的卷積核；表示當前層的排列順序為j的特征圖的偏置；表示前一層第j個特征圖；θ()為激勵函數；M表示當前層特征圖個數；表示第j個特征圖連接前一層特征圖的數量；