[发明专利]一种人脸表情识别方法及装置

说明书

本发明公开人脸表情识别方法及装置，包括：S1对样本数据集进行人脸检测与对齐处理，确定各图像中人脸位置，剪出人脸图像；S2按四联子方式对处理后的样本数据集在线重组生成四联子训练样本；S3利用深度学习网络对四联子样本进行特征提取，将每一图像均提取成N维特征向量；S4将N维特征向量进行L2正则化处理后嵌入到N维欧几里得空间并利用预设的损失函数计算深度学习网络的损失，根据损失函数利用随机梯度下降算法对深度学习网络参数进行调整，返回S3对调整后的网络再训练，直至深度学习网络趋于稳定，得到训练好的人脸表情识别模型；S5将待测人脸图像输入人脸表情识别模型得到识别结果。本发明能对人脸表情快速准确的识别。

技术领域

本发明实施例涉及人机交互和计算机视觉技术领域，具体涉及一种人脸表情识别方法及装置。

背景技术

人脸表情识别是人机交互和计算机视觉领域的重要研究方向。随着人脸识别技术的不断发展，人脸表情识别技术也逐渐受到人们的重视。面部表情的变化可以更客观的反应出人的生理状况和心里活动。如病人面部表情的变化可以反映出病人的身体状况，被审讯犯人的面部表情变化可以反映出犯人心理活动，精神病人面部表情可以反映出其精神状态。在连续监视的人脸的环境下，系统需要快速准确的区分出该张脸的面部表情变化。

通过机器学习方法自动从图像中学习得到对表情识别有用的特征大大推进了人脸识别领域的发展，目前主要是采用深度学习算法来提取不同表情特征来识别人脸表情。同时也有把深度学习网络与传统机器学习方法相结合来实现人脸表情识别，如深度学习与SVM、K均值等方法相结合实现表情分类。

但是，在连续监视人脸表情变化的环境下，现有的人脸表情识别方法对人脸表情识别的准确性和实时性有待提高。

鉴于此，如何对人脸表情进行快速准确的识别成为目前需要解决的技术问题。

发明内容

由于现有方法存在上述问题，本发明实施例提出一种人脸表情识别方法及装置，能够对人脸表情进行快速准确的识别。

第一方面，本发明实施例提出一种人脸表情识别方法，包括：

S1、对样本数据集进行人脸检测与对齐处理，确定所述样本数据集中每一图像中的人脸位置，剪切出人脸图像，所述样本数据集包括：带标签的不同个体的不同表情的图像；

S2、按照四联子的方式，对人脸检测与对齐处理后的样本数据集进行在线重组，生成四联子训练样本；

S3、利用深度学习网络，对所述四联子样本进行特征提取，将所述四联子样本中的每一图像均提取成一个N维特征向量；

S4、将提取的N维特征向量进行L2正则化处理后嵌入到N维欧几里得空间，并利用基于所述四联子样本而预先设置的损失函数，计算所述深度学习网络的损失，根据损失函数利用随机梯度下降算法对深度学习网络参数进行调整，返回步骤S3对调整后的网络再训练，直至所述深度学习网络趋于稳定，获得训练好的基于深度学习网络的人脸表情识别模型；

S5、将待测人脸图像输入所述人脸表情识别模型，获得人脸表情识别结果。

可选地，所述步骤S1包括：

采用MTCNN算法，对样本数据集进行人脸检测与对齐处理，确定所述样本数据集中每一图像中的人脸位置，剪切出人脸图像。

可选地，所述步骤S2按照四联子的方式，对人脸检测与对齐处理后的样本数据集进行在线重组，生成四联子训练样本，包括：

P1、在人脸检测与对齐处理后的样本数据集中随机选择一个个体；

P2为本次选择的个体选择一种表情；

P3、在本次选择的表情中选择一张作为锚点anchor的人脸图像