[发明专利]一种人脸表情识别方法、装置及存储介质

权利要求书

1.一种人脸表情识别方法，其特征在于，包括如下步骤：

构建并训练用于表情识别的卷积神经网络，其中，所述卷积神经网络增加了预设网络深度；

获取待识别图像，对所述待识别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后输入至所述用于表情识别的卷积神经网络进行表情识别处理，输出所述人脸检测图像中的表情类别。

2.根据权利要求1所述的人脸表情识别方法，其特征在于，所述用于表情识别的卷积神经网络在输入层之后新加入一个卷积层，新加入的卷积层的卷积核为1*1。

3.根据权利要求2所述的人脸表情识别方法，其特征在于，所述构建并训练用于表情识别的卷积神经网络，包括：

获取已知表情类别的训练样本，其中所述表情类别包括开心、愤怒、恐惧、惊讶、厌恶、悲伤以及中立；

构造所述用于表情识别的卷积神经网络，并将所述已知表情类别的训练样本输入至所述卷积神经网络中；

通过预设损失函数对所述卷积神经网络的输出值进行误差评价，根据误差结果反向传播调节所述卷积神经网络的权重参数，直到所述卷积神经网络的输出值达到期望值，得到训练完成后的用于表情识别的卷积神经网络。

4.根据权利要求3所述的人脸表情识别方法，其特征在于，所述训练样本采用FER-2013数据集。

5.根据权利要求1所述的人脸表情识别方法，其特征在于，所述获取待识别图像，对所述待识别图像进行人脸检测获得人脸检测图像，包括：

获取待识别图像，将所述待识别图像输入至预先训练的MobileNet级联神经网络模型中，其中所述MobileNet级联神经网络模型的卷积层为Depthwise SeparableConvolution；

通过所述预先训练的MobileNet级联神经网络模型中的第一神经网络对所述待识别图像中的人脸位置进行定位，根据定位结果对所述待识别图像进行裁剪获得人脸区域图像；

通过所述预先训练的MobileNet级联神经网络模型中的第二神经网络对所述人脸区域图像中的人脸关键点进行定位，输出人脸检测图像。

6.根据权利要求5所述的人脸表情识别方法，其特征在于，所述对所述人脸检测图像进行预处理，包括：

预先定义标准人脸的关键点位置和光照条件；

通过预设的图像变换算法将当前所述人脸检测图像的关键点位置对齐至标准人脸的关键点位置，获得对齐后的人脸检测图像；

根据所述标准人脸的光照条件对所述对齐后的人脸检测图像进行光线校正处理，得到光照条件与标准人脸一致的人脸检测图像；

对经光线校正处理后的人脸检测图像依次进行图像灰度化和图像归一化处理。

7.一种人脸表情识别装置，其特征在于，所述装置包括至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6任一项所述的人脸表情识别方法。

8.一种非易失性计算机可读存储介质，其特征在于，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行权利要求1-6任一项所述的人脸表情识别方法。

9.一种计算机程序产品，其特征在于，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被处理器执行时，使所述处理器执行权利要求1-6任一项所述的人脸表情识别方法。