基于神经网络融合关键点角度变化的表情识别方法

摘要

本发明公开了一种基于神经网络融合关键点角度变化的表情识别方法，主要解决现有人脸表情识别方法具有高类内变化和低类间变化的问题；其方案为：首先通过对数据进行预处理，检测人脸并定位人脸的关键点，裁剪人脸区域进行直方图均衡化与图像归一化处理；然后计算人脸关键点角度变化，得到辅助特征；再通过卷积神经网络提取表情特征，并将其与人脸关键点角度变化相结合构建网络模型，最后联合使用两种不同损失函数对网络进行优化；通过优化后网络得到最终的表情特征空间，根据特征空间利用分类器实现表情分类。本发明能够去除与表情无关的身份信息，有效降低类内方差并提高类间方差，增强模型的鲁棒性和泛化能力，准确判断人脸面部表情所属类别。