[发明专利]一种基于共享集成卷积神经网络的戏曲人物面部表情识别方法

说明书

本发明公开了一种基于共享集成卷积神经网络的戏曲人物面部表情识别方法，采用的集成卷积神经网络分为共享层以及不同的卷积分支层，共享层主要学习输入戏曲人物面部图片的低级特征，即面部肤色、纹理等特征，卷积分支层可以在其现有基础上不断学习，得到越来越复杂的概念，给其赋予语义特征，例如鼻子、嘴巴和眼睛等关键表情特征以及妆容特征信息，然后本模型经过训练得到最佳的共享层数和卷积分支数，高效识别戏曲人物的表情变化；本发明结构完整，完善了集成神经网络训练时的高参数冗余问题，加快了模型训练速度，减少了训练时间，提高了识别精度。

技术领域

本发明属于人脸识别技术领域，涉及深度学习技术，具体涉及基于共享集成卷积神经网络的戏曲人物面部表情识别方法。

背景技术

戏曲艺术作为中华非物质文化遗产，是中华文明传承的重要载体。传播、传承、推广戏曲艺术，对传承我国优秀文化，丰富人们精神世界，增强民族自信的意义深远。戏曲人物面部表情是传达其情绪状态和意图的最自然，最有力和普遍的信号之一，因此研究戏曲人物的表情是具有深刻意义的。

实现戏曲人物的表情识别首先要对普通的人脸进行表情识别，人脸表情识别就是让计算机按照人类的思维理解表情，是人机交互的重要组成部分。在人类面对面的信息传递过程中，表情都是情感和精神状态的最佳表现形式。

现有面部情感分析技术都是直接处理正常情况下的人脸图像数据。由于戏曲演员面部妆容比较浓重，尤其花脸画着脸谱，所以对于戏剧妆容的人脸表情识别是一个技术难点；并且不同脸谱具有不同的情感含义，因此在进行戏曲角色人脸情感识别的时候需要考虑特定脸谱的含义。早期的自动面部表情识别方法遵循处理计算机视觉问题的一般流程，主要分为四步：①人脸检测，②图像预处理，③关键特征提取，④表情分类。这些方法在实验室环境中通常是快速和准确的，但在带有妆容的戏曲表演人物进行面部表情感知是史无前例的，对我们的研究来说是一个难点。目前，人脸表情识别方法大致分为基于传统机器学习的方法和基于深度学习的方法，传统表情识别过程主要包括人脸检测、图像预处理、特征提取和表情分类。

深度学习在面部特征提取方面的贡献很大，近年来卷积神经网络不断推陈出新，例如AlexNet、MobileNet、ResNet和VGGNet。大多数表情研究方法都是基于卷积神经网络进行，并且取得了较好的识别效率。目前，深度网络的集成是一种重要的研究方法，但是普通集成需要超高的计算能力，运算量大，耗费时间长，而且准确率不高。

发明内容

本发明的目的在于提供一种基于共享集成卷积神经网络的戏曲人物面部表情识别方法，以解决现有技术中测量精度不高，戏曲人物面部表情识别难的问题。

为实现上述目的，本发明所采用的技术方案是：

一种基于共享集成卷积神经网络的戏曲人物面部表情识别方法，包括如下步骤：

步骤1，对收集的戏曲人物表情资源库进行预处理，裁去图片的整体信息，只保留戏曲人物的面部图片；

步骤2，将经步骤1处理后的图片其中一部分作为训练集，一部分作为验证集，剩下部分作为测试集，分批导入共享集成卷积神经网络；

步骤3，定义共享集成卷积神经网络模型的组合损失函数为每个分支函数的总和，组合损失函数L_esr如式(1)：

其中b代表卷积分支索引，(x_i,y_i)表示训练集中的随机样本，θ_shared代表共享层数，θ_b代表卷积分支的个数；

步骤4，提取戏曲人物面部低级特征，即面部肤色、纹理等特征，初始化共享层的卷积层数θ_shared，并在其后加入通道-空间注意力机制模块，有效减少网络冗余；