[发明专利]一种基于ACNN进行遮挡人脸表情识别方法

说明书

本发明公开了一种基于ACNN进行遮挡人脸表情识别方法，包括以下步骤：S1、采集带有部分遮挡的面部表情数据集；S2、将面部表情数据集分为训练集和验证集；S3、将训练集中的面部表情进行区域分解，分解后送入卷积层；S4、对训练集中面部表情的局部部位进行定位和编码，将其映射为局部特征值；S5、对局部特征值进行加权处理；S6、对训练集中面部表情的全局部位进行定位和编码，将其映射为全局特征值；S7、对全局特征值进行加权处理；S8、通过加权后的局部特征值和全局特征值构建ACNN训练网络，并验证其准确度；S9、对遮挡人脸表情进行实时捕捉，并将其代入验证后的ACNN训练网络；S10、遮挡人脸表情识别结果输出。

技术领域

本发明涉及数字图像处理，尤其涉及一种基于ACNN进行遮挡人脸表情识别方法。

背景技术

面部表情识别(FER)在最近几十年受到了计算机科学家和心理学家的极大关注，因为它有望在人机交互、情感分析和心理健康评估等方面得到广泛的应用。虽然已经提出并实现了许多人脸表情识别系统，但其中大部分都是建立在受控环境下采集的图像上，如CK+、MMI、Oulu-CASIA等实验室采集的数据集。受控制的面孔是正面的，没有任何遮挡。在实验室采集的数据集上表现良好的FER系统，在自然和非受控条件下识别人类表情时，可能表现得很差。为了填补受控人脸与非受控人脸的识别精度差距，研究人员在野外采集了大量的的面部表情数据集。尽管使用了来自野外的数据，但由于存在部分遮挡的人脸，面部表情识别仍然具有挑战性。

由于存在部分遮挡的人脸，面部表情识别仍然具有挑战性。这是一个重要的解决闭塞问题，因为闭塞不同的闭塞器和他们的位置。闭塞可能是由于头发、眼镜、围巾、呼吸面罩、手、手臂、食物等日常生活中可以放置在脸部前方的物体造成的。这些物体可能会挡住眼睛、嘴巴、脸颊的一部分以及脸部的任何其他部分。有限的数据量无法完全覆盖遮挡的变异性，因此，必然会导致识别精度下降。

发明内容

本发明目的是针对上述问题，提供一种可以有效识别遮挡人脸表情的基于ACNN进行遮挡人脸表情识别方法。

为了实现上述目的，本发明的技术方案是：

一种基于ACNN进行遮挡人脸表情识别方法，包括以下步骤：

S1、通过摄像头采集带有部分遮挡的面部表情数据集；

S2、将面部表情数据集分为训练集和验证集；

S3、将训练集中的面部表情进行区域分解，分解后的局部图在不降低空间分辨率的情况下送入卷积层；

S4、对训练集中面部表情的局部部位进行定位和编码，将其映射为矢量形状的局部特征值；

S5、对局部特征值进行加权处理；

S6、对训练集中面部表情的全局部位进行定位和编码，将其映射为矢量形状的全局特征值；

S7、对全局特征值进行加权处理；

S8、通过加权后的局部特征值和全局特征值构建ACNN训练网络，并利用验证集验证其准确度；

S9、采用摄像头对遮挡人脸表情进行实时捕捉，并将其代入验证后的ACNN训练网络；

S10、遮挡人脸表情识别结果输出。

进一步的，所述训练集占面部表情数据集的80％，验证集占面部表情数据集的20％。

进一步的，所述步骤S3、S4采用基于Patch的卷积神经网络。

进一步的，所述步骤S6采用基于全局的卷积神经网络。

与现有技术相比，本发明具有的优点和积极效果是：