[发明专利]一种基于卷积神经网络的人脸表情识别方法

说明书

本发明涉及一种人脸表情识别方法，特别涉及一种基于卷积神经网络的人脸表情识别方法。本发明首先从视频中获取人脸图像，对获取到的人脸图像进行尺度归一化操作处理，得到尺寸相同的人脸图像，并对所述尺寸相同的人脸图像进行对齐预处理操作，得到预处理后的人脸图像；使用卷积神经网络对预处理后的人脸图像进行特征提取操作，得到人脸图像的特征，利用Softmax分类器对所述人脸图像的特征进行分类识别操作，利用卷积神经网络实现的人脸表情识别算法是一种端对端的过程，本方法只需对人脸图像做简单的预处理，然后送入卷积神经网络中，自动进行特征提取，并给出分类结果，不仅大幅度的提高了准确率，减少了可调参数，极大程度上简化了中间的处理步骤。

技术领域

本发明涉及一种人脸表情识别方法，特别涉及一种基于卷积神经网络的人脸表情识别方法。

背景技术

视频人脸图像是平安城市基础视频平台中最基础也是最重要的数据之一，研究人脸表情对于舆情分析有重要的作用，而由于摄像机本身的原因，例如，摄像机镜头有灰尘或外界光照等因素的影响，使得获取的视频图像模糊、不清晰，从而对获取到的目标图像的表情识别有一定的影响，另一方面，由于现实场景中环境的复杂多样，使用传统的手工算法提取特征的速度变得更加缓慢，浪费了大量的人力物力。

目前，传统的人脸表情识别方法的特征提取处理算法包括Gabor小波算法、主成份分析算法、线性判别分析算法等；而常用的分类算法包括最近邻算法、支持向量机等。上述这些传统算法在人脸表情识别的实际应用上存在着自身的局限与不足，计算速度慢，准确率低，可设置调整的参数复杂多样，操作复杂。

发明内容

本发明为了克服上述现有技术的不足，提供了一种基于卷积神经网络的人脸表情识别方法，本发明不仅大幅度提高了人脸表情识别的准确率，还简化了操作步骤。

为实现上述目的，本发明采用了以下技术措施：

一种基于卷积神经网络的人脸表情识别方法，包括以下步骤：

S1、从视频中获取人脸图像；

S2、对获取到的人脸图像进行尺度归一化操作处理，得到尺寸相同的人脸图像，并对所述尺寸相同的人脸图像进行对齐预处理操作，得到预处理后的人脸图像；

S3、使用卷积神经网络对预处理后的人脸图像进行特征提取操作，得到人脸图像的特征；

S4、利用Softmax分类器对所述人脸图像的特征进行分类识别操作，得到表情识别结果。

优选的，步骤S3的具体操作步骤包括：

S31、创建卷积神经网络；

S32、利用卷积神经网络对预处理后的人脸图像进行特征提取操作，并通过反向传播算法对卷积神经网络的权重和偏置进行更新优化。

优选的，步骤S31中的卷积神经网络包括三个卷积层、三个池化层、三个全连接层，三个所述卷积层分别为第一卷积层、第二卷积层、第三卷积层，三个所述池化层分别为第一池化层、第二池化层、第三池化层，三个所述全连接层分别为第一全连接层、第二全连接层、第三全连接层；

步骤S32中的利用卷积神经网络对预处理后的人脸图像进行特征提取操作的具体步骤包括：预处理后的人脸图像依次经过数据输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第一全连接层、第二全连接层、第三全连接层，得到人脸图像的特征。