[发明专利]一种基于稀疏图的人脸表情识别方法

说明书

本发明涉及一种基于稀疏图的人脸表情识别方法，属于图像识别技术领域。该方法包括以下步骤：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。本发明解决了目前对人类情绪与情感的识别研究中存在实验效率低及时间成本高的问题。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种基于稀疏图的人脸表情识别方法。

背景技术

计算机对人类情绪与情感的识别研究已经成为了一个研究的热点。基于图像情感分析的深度学习模型算法变得越来越重要。然而，随着对深度学习模型的深入研究，发现其结构和算法的发展很大程度上受限于GPU的有效性，主要原因是缺乏稀疏操作。稀疏运算可以减少计算量，并且使用较少的GPU来运行神经网络。稀疏性使得训练大型神经网络成为可能。在相同的参数和计算量的前提下，利用稀疏性可以训练出比其它神经网络更广、更深的神经网络。因此，稀疏表示在深度学习中的应用是非常重要的。目前对人类情绪与情感的识别研究中存在实验效率低及时间成本高的问题。

发明内容

鉴于上述的分析，本发明旨在提供一种基于稀疏图的人脸表情识别方法，以解决目前对人类情绪与情感的识别研究中存在实验效率低及时间成本高的问题。

本发明的目的主要是通过以下技术方案实现的：

本发明提供了一种基于稀疏图的人脸表情识别方法，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。

进一步地，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。

进一步地，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：AU∑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。

进一步地，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；