基于深度学习的人脸表情识别技术研究

摘要

人脸表情包含丰富的情感信息，是人类情绪表达最重要的方式之一。人脸表情识别即通过计算机识别人脸的各种表情，进而分析表情所代表的情绪、意图等。人脸表情识别可以用于刑侦测谎、服务监控、辅助诊断、人机交互等方面。长期以来，人脸表情识别一直是计算机视觉和人工智能研究的重要领域。近年来，随着互联网的迅猛发展，人类社会各方面有效统计数据集急剧增加，计算机硬件性能飞速提升，为深度学习领域带来了新一轮的发展与突破。 深度学习与传统手工提取特征方法（SIFT、HOG、GLOH、SURF等）不同，通过深度学习的方法可以得到学习能力更强、泛化能力更佳的数据特征。本文通过采用深度学习中卷积神经网络结构（Convolutional Neural Network，CNN）对人脸面部表情特征进行训练学习，并针对人脸检测与表情识别过程中所遇到的人脸光照强度不同，人脸位置偏移，部分表情间差异细微，多表情分类等复杂问题，提出并设计了以下两种改进方案：首先，为了解决复杂多人脸检测中常见的半遮挡、侧面、歪斜、弱光等恶劣环境下的人脸定位问题，设计了一种并联PNet卷积层的改进型多任务级联卷积神经网络（Multi-task Cascaded Convolutional Networks，MTCNN）；其次，为增强输入人脸表情图片所包含信息，提高表情核心特征提取效果，将人脸轮廓（含脸部轮廓，眉毛，眼睛，鼻子，嘴巴）进行提取，并对其进行灰度增强处理后映射为伪彩色，并设计了一种基于轮廓增强的卷积神经网络（Contour Reinforcement Neural Network，CRNN）用以解决人脸表情特征不明显问题。 经过实验结果表明，上述所提出的改进方案的确有助于提高人脸检测准确率，提高人脸表情识别效果，并在公开的人脸数据集wider face、CK+中进行检测与表情识别实验均取得较高的正确率。

目录

第一个书签之前