[发明专利]人脸表情识别方法及人脸表情识别装置

权利要求书

1.一种人脸表情识别方法，其特征在于，所述方法包括：

对待识别的图像进行人脸检测，获得人脸检测图像；

对所述人脸检测图像进行预处理，获得预处理后的人脸检测图像；

将所述预处理后的人脸检测图像输入至已训练的表情识别神经网络，以由所述表情识别神经网络输出所述人脸检测图像中人脸的表情类别；其中，所述表情识别神经网络为生成性对抗网络。

2.根据权利要求1所述的人脸表情识别方法，其特征在于，所述对待识别的图像进行人脸检测，获得人脸检测图像，包括：

将所述待识别的图像输入至已训练的adaboost分类模型，以由所述adaboost分类模型输出人脸热区域图；

将所述人脸热区域图输入至已训练的MLP分类模型，以由所述MLP分类模型输出第一人脸检测图像；

采用非极大值抑制算法对所述第一人脸检测图像进行处理，获得所述人脸检测图像。

3.根据权利要求1所述的人脸表情识别方法，其特征在于，所述人脸检测图像中包括人脸框，所述对所述人脸检测图像进行预处理，获得预处理后的人脸检测图像，包括：

对所述人脸框进行预定倍数的等比例扩大；

从扩大的人脸框中截取所需的人脸区域；

将截取的人脸区域缩放至预定尺寸，所获得的图像作为所述预处理后的人脸检测图像。

4.根据权利要求3所述的人脸表情识别方法，其特征在于，所述对所述人脸检测图像进行预处理，获得预处理后的人脸检测图像，还包括：

将截取的人脸区域缩放至预定尺寸后再进行压缩，所获得的图像作为所述预处理后的人脸检测图像。

5.根据权利要求1所述的人脸表情识别方法，其特征在于，所述生成性对抗网络包括生成器和判别器；

所述生成器用于根据所述预处理后的人脸检测图像生成合成人脸图像；

所述判别器用于根据所述预处理后的人脸检测图像和所述合成人脸图像输出所述人脸检测图像中人脸的表情类别。

6.根据权利要求5所述的人脸表情识别方法，其特征在于，所述判别器包括依次连接的卷积层、池化层、残差网络、全局平均池化层和全连接层；

所述卷积层用于对所述预处理后的人脸检测图像和所述合成人脸图像分别进行卷积处理，获得第一人脸语义特征和第二人脸语义特征；

所述池化层用于对所述第一人脸语义特征和所述第二人脸语义特征分别进行下采样操作，获得降维后的第一人脸语义特征和降维后的第二人脸语义特征；

所述残差网络用于对所述降维后的第一人脸语义特征和所述降维后的第二人脸语义特征分别进行特征提取，获得第一特征向量和第二特征向量，并用于计算所述第一特征向量与所述第二特征向量之和，获得人脸特征向量；

所述全局平均池化层用于将所述人脸特征向量转换为预定维数的人脸特征向量；

所述全连接层用于对所述预定维数的人脸特征向量进行降维处理，获得所述人脸检测图像中人脸的表情类别。

7.根据权利要求6所述的人脸表情识别方法，其特征在于，所述残差网络包括依次连接的第一残差子网络、第二残差子网络、第三残差子网络、第四残差子网络和计算单元，所述第一残差子网络、第二残差子网络、第三残差子网络和第四残差子网络各自均包括依次连接的第一残差块和第二残差块；

所述第一残差子网络、第二残差子网络、第三残差子网络和第四残差子网络各自的所述第一残差块均用于对所述降维后的第一人脸语义特征依次进行特征提取，获得所述第一特征向量；

所述第一残差子网络、第二残差子网络、第三残差子网络和第四残差子网络各自的所述第二残差块均用于对所述降维后的第二人脸语义特征依次进行特征提取，获得所述第二特征向量；

所述计算单元用于计算所述第一特征向量与所述第二特征向量之和，获得所述人脸特征向量；

所述第一残差子网络的第二残差块有2层；所述第二残差子网络的第二残差块有3层；所述第三残差子网络的第二残差块有5层；所述第四残差子网络的第二残差块有2层；所述第一残差子网络、第二残差子网络、第三残差子网络和第四残差子网络各自的第一残差块均有1层。