[发明专利]一种基于稀疏图的人脸表情识别方法

权利要求书

1.一种基于稀疏图的人脸表情识别方法，其特征在于，包括以下步骤：

获取人脸表情的公开数据集，对所述人脸表情的公开数据集进行奇异值分解后得到人脸表情稀疏图；

采用SSD算法对所述人脸表情稀疏图进行识别得到人脸识别结果；

将所述人脸识别结果划分成训练集、测试集和验证集，并将所述训练集输入VGG神经网络进行人脸表情分类，得到训练后的VGG神经网络模型，再将所述测试集输入训练后的所述VGG神经网络模型进行准确率验证；

将待识别人脸照片输入通过准确率验证的VGG神经网络模型进行在线人脸表情分类识别。

2.根据权利要求1所述的方法，其特征在于，对所述人脸表情的公开数据集进行奇异值分解后得到人脸表情稀疏图包括：

读取所述人脸表情的公开数据集后从中选取图片，根据图片尺寸大小和图片分别率一一读取图片的像素点，并逐一将像素点复制得到像素点数据；其中，所述图片尺寸大小包括图片的长和宽；

根据所述图片的长和宽建立int矩阵，并逐一将像素点对应的像素值存储在int矩阵，并对存储完成后的int矩阵进行奇异值分解得到奇异值int矩阵；

将所述奇异值int矩阵翻转为奇异值array矩阵，并根据从所述奇异值array矩阵中选择的前k个奇异值得到人脸表情稀疏图。

3.根据权利要求2所述的方法，其特征在于，将像素点对应的像素值存储在int矩阵A，并对存储完成后的int矩阵A进行奇异值分解得到奇异值int矩阵U和V，其公式如下：A＝U∑V^T；

其中，∑只在主对角线上有特征值，U和V为单位正交的奇异值矩阵，UU^T＝I和VV^T＝I。

4.根据权利要求3所述的方法，其特征在于，采用SSD算法对所述人脸表情稀疏图进行识别得到人脸识别结果，具体包括：

根据特征值对所述人脸表情稀疏图抽取出多层特征图，并在每层特征图的每个像素点生成默认边界框；

将每层特征图对应生成的所有默认边界框集合后进行非极大值抑制，并消除包括交叉重复在内的冗余边界框后，找到人脸识别预测到的最佳位置，得到人脸识别结果。

5.根据权利要求4所述的方法，其特征在于，根据特征值对所述人脸表情稀疏图抽取出多层特征图包括：

通过SSD算法将VGG神经网络的最后两个全连接层合并后额外增加四层网络生成卷积层，所述卷积层根据特征值进行特征图提取，利用每个卷积层不同大小的特征图构建了一个特征金字塔结构模型；所述人脸表情稀疏图通过所述特征金字塔结构模型后提取出多层特征图。

6.根据权利要求4所述的方法，其特征在于，在每层特征图的每个像素点生成默认边界框包括：

在每层特征图中先设置多个像素点对应的多个先验框位置；

对所述多个先验框位置进行逐一检测得到一组检测值，所述检测值包括边界框类别的置信度和边界框位置的预测值；

将所述边界框位置的预测值和所述先验框位置转换为边界框的真实位置，生成默认边界框。

7.根据权利要求6所述的方法，其特征在于，所述边界框类别的置信度包括7个普通边界框类别的置信度值和1个特殊边界框类别的置信度值；

所述边界框类别置信度表示边界框中目标属于各个类别的可能性大小以及边界框匹配目标的好坏；

所述普通边界框类别的置信度值表示该边界框中的目标属于7分类中某一类的可能性大小以及边界框匹配目标的好坏；

所述特殊边界框类别的置信度值表示该边界框中的目标属于背景的可能性大小以及边界框匹配目标的好坏。