[发明专利]一种人脸表情识别方法、装置及存储介质

说明书

本发明公开了一种人脸表情识别方法、装置及存储介质，方法包括：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。本发明实施例通过采用加深的卷积神经网络对目标人脸进行面部表情识别，增加了非线性表达，提高模型表达能力，从而实现更加准确的面部表情识别。

技术领域

本发明涉及表情识别技术领域，尤其涉及一种人脸表情识别方法、装置及存储介质。

背景技术

人脸表情识别技术是指从给定的人脸表情图像中提取表情特征，并将其归于某类特定的表情分类。人脸表情识别有种广泛的应用价值，快速准确的人脸表情识别有助于分析被识别对象的情绪，有助于增强人机交互领域之间的情绪反馈等。现有人脸表情识别方法主要为基于随机森林算法、表情特征降维法等，由于大数据时代下数据量庞大，需要识别的表情类别较多规律较复杂，是的人脸表情的识别运算过程复杂、识别准确率底下。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种人脸表情识别方法、装置及存储介质，旨在解决现有技术中人脸表情识别效率以及准确率较低的问题。

本发明的技术方案如下：

一种人脸表情识别方法,其包括如下步骤：

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。

所述的人脸表情识别方中，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。

所述的人脸表情识别方中，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。

所述的人脸表情识别方中，所述训练样本采用FER-2013数据集。

所述的人脸表情识别方中，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。

所述的人脸表情识别方中，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；