基于深度学习的实时人脸表情识别研究

摘要

在过去的几年里,人工智能一直是媒体大肆炒作的热点话题,而人脸识别已经成为其中一项研究热点,卷积神经网络、深度神经网络和多层感知器等相关算法是人脸面部表情识别领域运用最为广泛的几种算法。针对传统的机器学习方法在人脸表情特征提取上较为复杂,且识别精度不高,基于GoogleNet Inception V3网络模型进行了优化,利用keras构建经过改进的卷积神经网络框架,并采用FER2013数据集,设计一种实时人脸表情识别系统。首先,对输入的人脸图像进行预处理,再通过卷积神经网络进行特征提取,然后经过平均池化层对提取到的特征图进行降维处理,最后采用Softmax分类器对测试的人脸图像进行分类识别。基于FER2013数据集的实验结果表明,相比较于传统的表情识别算法,改进的卷积神经网络模型识别精度有一定的提高。