[发明专利]基于深度卷积神经网络的人脸微表情动作单元检测方法

摘要

本发明公开一种基于深度卷积神经网络的人脸微表情动作单元检测方法，包括如下步骤：步骤1：设计深度卷积神经网络结构；步骤1.1：标记人脸及其中不同动作单元的矩形形状区域；步骤1.2：设计实现深度卷积神经网络，所述神经网络中包括了卷积层，捷径层及动作单元检测层，以对人脸及其不同表情动作单元区域信息进行学习，获取网络前向传播参数；步骤1.3：将人脸样本数据集中的样本数据作为神经网络输入数据；步骤2：根据步骤1中学习到的网络参数，实现人脸表情动作单元检测；步骤3：根据步骤2中检测到的人脸动作单元进行可视化输出。本发明所述的检测方法依托深层卷积神经网络，检测和识别人脸图像中的动作单元，能够提高检测的准确率和速度。

主权项

1.基于深度卷积神经网络的人脸微表情动作单元检测方法，其特征在于，包括如下步骤：步骤1：设计深度卷积神经网络结构，将人脸样本数据集作为输入，自动标记的微表情动作单元作为输出，对网络结构进行训练，学习出合适的网络参数；步骤1.1：针对样本数据集里的图像，标记人脸及其中不同动作单元的矩形形状区域；步骤1.2：设计实现深度卷积神经网络，所述神经网络中包括了卷积层，捷径层及动作单元检测层，以对人脸及其不同表情动作单元区域信息进行学习，获取网络前向传播参数；步骤1.3：将人脸样本数据集中的样本数据作为神经网络输入数据，所述样本数据包括人脸图像数据和动作单元标记xml数据；步骤2：根据步骤1中学习到的网络参数，实现人脸表情动作单元检测，将待检测图像作为步骤1.2中神经网络的输入，利用网络参数对输入图像进行卷积层和检测层的计算，从检测层的输出中，判断图像中是否存在人脸，如果无人脸则无动作单元的有效性，若存在人脸，根据人脸及不同动作单元的位置关系校正动作单元识别的区域位置；步骤3：根据步骤2中检测到的人脸动作单元进行可视化输出，并对人脸所表达的微表情进行计算输出；步骤3.1：根据步骤2中检测层中每个动作单元的概率值及阈值范围判断出输入人脸中包含的动作单元，挡大于概率值的判断阈值则为可输出动作单元，读取检测层中的动作单元的类别名称，并根据人脸位置以及动作单元的相对位置计算动作单元在图像上的绝对像素位置，用矩形框在图像上绘出动作单元的绝对位置并同时绘制动作单元名称；步骤3.2：根据人脸中出现的动作单元的组合输出当前人脸的微表情状态；步骤3.3：根据对当前图像中的人脸的中动作单元的认定结果对人脸微表情状态进行输出。