[发明专利]一种基于文件传输的人脸表情识别方法及系统有效

专利信息
申请号: 201710257046.5 申请日: 2017-04-19
公开(公告)号: CN107133578B 公开(公告)日: 2020-05-22
发明(设计)人: 邓诗雨;刘龙至;张伟彬;李嘉恒;林泽宏;肖玉可;刘梓熙 申请(专利权)人: 华南理工大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04
代理公司: 广州市华学知识产权代理有限公司 44245 代理人: 李斌
地址: 510640 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 文件传输 表情 识别 方法 系统
【说明书】:

发明公开了一种基于文件传输的人脸表情识别方法及系统,包括获取用户上传的人脸表情图像;系统对所述人脸表情图像进行预处理;通过recog指令及已经训练完成的深度神经网络和训练得到的模型对所述预处理后的人脸表情图像进行人脸表情识别与特征匹配;识别结果以文本文件的形式输出,通过文件传输,反馈给用户。本发明应用了文件传输模块,用户使用方便;采用了深度卷积神经网络对人脸表情图像特征提取并分类,可以快速准确的识别出人脸表情,操作简单,稳定可靠。

技术领域

本发明涉及图像处理和机器学习技术领域,特别涉及一种基于文件传输的人脸表情识别方法及系统。

背景技术

人脸表情识别技术是指从给定的人脸表情图像中提取人脸表情特征,并将其归于某类特定的人脸表情。常见的人脸表情类别包括高兴、中性、愤怒、厌恶、悲伤和厌恶等。人脸面部表情识别研究有广泛的应用价值,快速的人脸表情识别有助于分析被识别对象的情绪,能实现智能机器领域机器与人之间带情感的交流。人脸面部表情识别还可应用于互联网兴趣捕捉领域,人脸表情识别是计算机读懂人类感情的前提,高效准确的人脸表情识别有利于计算机针对不同人群推荐音乐、电影和切换主题等。

人脸表情识别技术的关键步骤是表情特征提取,一般先用人脸检测技术来识别人脸,再采用特征提取的方法从检测到的人脸中提取表情特征,将表情特征分类实现人脸表情识别的目的。

近年来深度学习取得了重大进展,以其特殊的算法在图像识别、语音识别和文本理解等领域得到越来越多的应用。深度学习建立了一种新型的模式:以训练数据开始,经过一个端到端的模型,直接输出最终得到的分类结果。

文件传输服务是一种基于互联网协议的C/S架构的分布式软件。当前流行的技术,例如TFTP、FTP已经比较成熟。TFTP是一种基于UDP实现的停止等待协议,通过采用多个端口的形式来提供一定的并发,适合于只读存储器,仅用于无盘系统进行系统引导。FTP是文件传输的Internet标准,基于TCP实现,采取控制连接和数据连接两个连接,FTP标准提供一系列的命令,应答以及传输格式等等,是一个很复杂的处理过程。

虽然目前人脸表情识别领域的研究并不少,但是采用深度的卷积神经网络,并结合文件传输方法作为应用层的研究与实践并不常见,且亟待改善与提高。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足,提供一种基于文件传输的人脸表情识别方法,其具有更高的识别精度和更强的鲁棒性。

本发明的另一目的在于提供一种基于文件传输的人脸表情识别系统,使客户能方便快捷地实现人脸表情识别。

本发明的目的通过以下的技术方案实现:

一种基于文件传输的人脸表情识别方法,包括以下步骤:

训练阶段:

S1:获取并整合人脸表情图库,将所述人脸表情数据库分为开心、中性、愤怒、悲伤、惊恐和厌恶这六类表情;

S2:对获取整合分类完的人脸表情图库进行预处理;

S3:把预处理后的人脸表情图库分为训练集和测试集两部分;将分类好的训练集和测试集分别提取文件名,并分别标记为0~5,分别代表上述六类表情;再将训练集与测试集分别转为LMDB格式;

S4:将训练集图像用于深度卷积神经网络的训练;

S5:将测试集图像用于模型的测试,得到端对端模型;

修改上述训练网络,将数据层输入的LMDB类型的数据改为用dim参数描述的数据输入;将原训练网络的输出层Softmax With Loss改为Softmax,训练时输出的是loss,测试时改为输出prob;

S6:将表情识别的端对端模型封装成分类器,实现直接输出最终识别的表情类别及其对应的概率;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南理工大学,未经华南理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710257046.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top