[发明专利]基于深度学习的多角度人脸表情识别方法

权利要求书

1.一种基于深度学习的多角度人脸表情识别方法，其特征在于：该方法的步骤为：

将采集到的原始图像进行预处理：对表情区域进行定位、裁剪；

人脸表情图像特征提取：将经过预处理的图像，输入到VGGNet深度神经网络模型对人脸表情图像进行特征提取，得到特征图，将特征图输入到4层全连接层的神经网络进行训练；

人脸表情分类：将训练后得到表情采用Softmax层对图像进行分类，确定最终表情。

2.根据权利要求1所述的基于深度学习的多角度人脸表情识别方法，其特征在于：

图像的预处理过程包含三个步骤:

步骤一，对图像进行灰度化处理，得到灰度化处理后的图像；

步骤二，对灰度化处理后的图像进行检测，使用OpenCV库中的人脸检测器检测出图像中的人脸，再对图像裁剪出人脸区域得到人脸图像；

步骤三，对裁剪后的人脸图像进行归一化，使得图像的各个尺度在同一范围内。

3.根据权利要求1所述的基于深度学习的多角度人脸表情识别方法，其特征在于：VGGNet深度神经网络模型的卷积层使用3×3卷积核。

4.根据权利要求3所述的基于深度学习的多角度人脸表情识别方法，其特征在于：卷积层提取出特征图通过Relu激活函数再进入池化层，池化层使用最大值池化。

5.根据权利要求1所述的基于深度学习的多角度人脸表情识别方法，其特征在于：VGGNet深度神经网络模型为第一层有512个神经元，第二层有256个神经元，第一层和第二层之间添加一个Dropout层，第三层有128个神经元，第四层有64神经元，第三层和第四层之间添加Batch Normalization层，最后一层为Softmax层。

6.根据权利要求5所述的基于深度学习的多角度人脸表情识别方法，其特征在于：第一层、第二层、第三层和第四层的四层全连接层使用Relu激活函数。

7.根据权利要求6所述的基于深度学习的多角度人脸表情识别方法，其特征在于：Relu激活函数为

f(x)＝max(0,x)。

8.根据权利要求5所述的基于深度学习的多角度人脸表情识别方法，其特征在于：Softmax层包含7个激活单元。

9.根据权利要求5所述的基于深度学习的多角度人脸表情识别方法，其特征在于：Softmax层将多个神经元的输出映射到(0,1)区间内，如果判断输入属于某一类的概率大于属于其它类的概率，那这个属于这个类的概率接近于1，其计算公式为，

其中V表示一个数组，V_i表示V中第i个元素，S_i表示属于某一个类别的概率值。