[发明专利]一种基于深度学习的车载人脸表情识别方法

权利要求书

1.一种基于深度学习的车载人脸表情识别方法，其特征在于：包括以下步骤：

步骤一、加载FER图像数据集，采集驾驶员图像并将采集到的驾驶员图像存储到指定的文件夹内，以创建图像数据库；

步骤二、图像预处理，采用预处理技术对图像进行处理，同时也要对图像损伤区域进行修复；

步骤三、将数据集分为训练和测试样本，系统建模训练遵循8：2的数据分割，百分之八十的数据用于训练，剩余百分之二十用来测试；

步骤四、使用预训练的SqueezeNet网络建立模型参数；

步骤五、对模型进行特征提取，从数据集中提取特征集，通过训练卷积神经网络来提取特征，找到一个集合，以准确的表示微表情的向量；

步骤六、将图像数据测试到模型中进行情感分类，将测试结果进行分类，CNN分类器使用输入的图片对面部表情进行分类；

步骤七、计算性能测量参数，通过运用深度学习技术去识别驾驶员微表情的变化，以此判断驾驶员的实时状态，预防交通事故的发生。

2.根据权利要求1所述的车载人脸表情识别方法，其特征在于：所述步骤一中，通过车辆摄像头来获得驾驶员当前面部图像信息。

3.根据权利要求1所述的车载人脸表情识别方法，其特征在于：所述步骤一中，使用公开的数据集作为实验的数据库。

4.根据权利要求1所述的车载人脸表情识别方法，其特征在于：所述步骤二中，图像预处理用于对人脸特征进行提取，且所提取的人脸特征包括眼睛、鼻子、耳朵、嘴唇以及脸颊。

5.根据权利要求1所述的车载人脸表情识别方法，其特征在于：所述步骤二中，所需处理的图像问题包括但不限于照片方向不同、明暗程度差异过大、尺寸大小不同。

6.根据权利要求1所述的车载人脸表情识别方法，其特征在于：所述步骤三中，系统加载预训练的SqueezeNet模型和训练的网络使用批次梯度下降，批次大小为64，共55个epoch。

7.根据权利要求1或6所述的车载人脸表情识别方法，其特征在于：所述步骤六中，FER系统除了对面部六种基本情感进行分类以外，还以通过微表情判断驾驶员的驾驶状态，进而准确判断驾驶员是否有分心驾驶活动。