[发明专利]一种人脸表情识别方法

说明书

本发明公开了一种人脸表情识别方法，包括以下步骤：S1：对待识别的人脸图像进行获取；S2：对获取的人脸图像进行预处理；S3：对预处理后的人脸图像进行特征提取；S4：对步骤S3提取的特征进行降维处理；S5：对步骤S4降维后的特征进行分类判别。本发明能够自主学习样本的高级特征，基于深度学习的卷积神经网络采用端到端的思想，直接把图像像素值作为输入，隐式的提取更具普适性的特征，特征提取和分类识别同时进行，并采用稀疏连接、权值共享、下采样三个思想帮助减少权值参数和计算量，改进学习效率，下采样还有助于增强识别的鲁棒性。

技术领域

本发明涉及图像处理识别技术，特别是涉及一种人脸表情识别方法。

背景技术

表情识别是指从给定的静态图像或动态视频序列中分离出特定的表情状态，从而确定被识别对象的心理情绪。表情识别涉及到众多领域，譬如心理学、社会学、认知科学、生理学、计算机科学等，需要多学科协作。且在技术上还有许多难点：表情是复杂的，一个人有千变万化的表情，因种族、年龄、性别等因素不同的人即使同一个表情面部肌肉的状态也有不同；面部的遮挡如墨镜、口罩、化妆，面部的不同姿态，环境光照等都会影响识别效果；且识别算法研究过程中使用的表情数据都是在实验室条件得到的非自发表情，而实际应用是要识别的是人生活中的自发性表情，两类表情在人脸上的表现不同，这为自动识别造成了一定的困难，目前表情识别有基于传统神经网络的方法和基于深度学习的方法。

发明内容

发明目的：本发明的目的是提供一种能够解决现有技术中存在的缺陷的人脸表情识别方法。

技术方案：本发明所述的人脸表情识别方法，包括以下步骤：

S1：对待识别的人脸图像进行获取；

S2：对获取的人脸图像进行预处理；

S3：对预处理后的人脸图像进行特征提取；

S4：对步骤S3提取的特征进行降维处理；

S5：对步骤S4降维后的特征进行分类判别。

进一步，所述步骤S2具体包括以下步骤：

S21：对获取的人脸图像进行平滑处理；

S22：对平滑处理后的人脸图像进行几何归一化和灰度归一化。

进一步，所述步骤S3中具体包括以下步骤：

S31：在卷积层将预处理后的人脸图像的像素矩阵与过滤器矩阵进行滑动卷积操作，再加上偏置后通过激活函数变换，得到卷积层的输出数据，如式(1)所示；

式(1)中，为经过第l层卷积后第j个神经元的输出数据，为第l-1层的第i个神经元的输出数据，为第l-1层第i个神经元与第l层第j个特征图之间的卷积核，g(*)为激活函数；

S32：通过稀疏连接和权值共享减少权值参数，从而进行特征提取。

进一步，所述步骤S4中，降维处理即是池化处理，通过式(2)进行：

式(2)中，为第l层第j个特征图，为第l层的第j个神经元的输出数据，为第l-1层第j个特征图的输入数据，g(*)为激活函数。

进一步，所述步骤S5中，分类判别结果通过式(3)得到：

h_W，b(x)＝f(W^Tx+b) (3)

式(3)中，h_w，b(x)为分类判别结果，x为步骤S4降维后的特征，W为连接权重，b为偏置。