[发明专利]人脸表情识别方法及人脸表情识别装置

说明书

本发明涉及图像处理技术领域，提供一种人脸表情识别方法及装置，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。本发明提供的技术方案，能够对人脸表情进行更加高效、准确地识别。

技术领域

本发明涉及图像处理技术领域，特别涉及一种人脸表情识别方法及一种人脸表情识别装置。

背景技术

人脸表情识别是人机交互系统中的关键技术，目前人脸表情可以分为7大类：生气、悲伤、厌恶、害怕、吃惊、高兴和正常。人脸表情往往是连续变化的数据序列，而现有技术通常基于人工标记特征点的方法对上述7类表情进行识别，实践表明，这种方法不仅复杂，还会在一定程度上丢失原有的表情特征信息，进而使得现有技术对人脸表情的识别准确度较低。

发明内容

有鉴于此，本发明旨在提出一种人脸表情识别方法及装置，能够对人脸表情进行更加高效、准确地识别。

为达到上述目的，本发明的技术方案是这样实现的：

一种人脸表情识别方法，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。

优选地，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。

优选地，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。

进一步地，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。

进一步地，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。

优选地，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；