[發明專利]一種基于E-FCNN的微小面部表情識別方法

有效

• 申請號: 202010069580.5
• 申請日: 2020-01-21
• 公開（公告）號: CN111325098B
• 公開（公告）日: 2022-10-18
• 發明（設計）人: 邵潔;程其玉
• 申請（專利權）人: 上海電力大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06T3/40;G06T7/13
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 趙繼明

1.一種基于E-FCNN的微小面部表情識別方法，其特征在于，該方法包括以下步驟：

步驟1：分別建立邊緣化面部增強模塊、上采樣網絡模塊和基于反饋的超分辨率網絡模塊，其中，所述邊緣化面部增強模塊，用于對輸入的人臉進行邊緣提取并且增強；所述上采樣網絡模塊，用于對輸入圖像進行插值法上采樣，所述基于反饋的超分辨率網絡模塊，用于對輸入圖像進行超分辨率處理；

步驟2：結合邊緣化面部增強模塊、上采樣網絡模塊和基于反饋的超分辨率網絡模塊建立E-FCNN網絡模型；

步驟3：將特定尺寸的面部表情圖像數據輸入至E-FCNN網絡模型中，得到對應的面部表情的識別結果；

所述的邊緣化面部增強模塊由SRCNN層和邊緣提取層加權融合組成；所述的SRCNN層和所述邊緣提取層各自均由多個不同尺寸的conv層組成；

所述的基于反饋的超分辨率網絡模塊由LR特征提取塊LRFB、重構塊RB、反饋塊和Resnet塊組成；所述的LR特征提取塊LRFB由多個不同尺寸的conv層組成；所述的重構塊RB由Deconv層和conv層組成；所述的Resnet塊由Relu層、多個conv層和Addition層組成；所述的反饋塊由多個conv層和Deconv層彼此疊加組成；

輸入圖像分別經過邊緣增強網絡模塊、上采樣網絡模塊以及基于反饋的超分辨率網絡模塊，最終加和，將加和結果再反饋到基于反饋的超分辨率網絡中的反饋塊中進行循環，當達到一定循環次數t時，跳出循環再經過VGG19得到最終的輸出。