[发明专利]基于深度学习的人脸表情识别方法及装置

权利要求书

1.基于深度学习的人脸表情识别装置，其特征在于，包括人脸识别模块、预处理模块、人脸表情识别模块，

人脸识别模块，用于从输入图像中识别出人脸区域图像；

预处理模块，用于对人脸区域图像进行预处理，将人脸区域图像调整为正面人脸姿态的人脸区域图像；

人脸表情识别模块，用于将预处理后的人脸区域图像输入卷积神经网络模型，输出人脸表情识别结果。

2.根据权利要求1所述的基于深度学习的人脸表情识别装置，其特征在于，将所述预处理后的人脸区域图像裁剪为大小为227*227的特征图，输入所述卷积神经网络模型；

所述卷积神经网络模型包括依序连接的2个卷积层、1个池化层、2个卷积层、1个池化层和2个全连接层；

1)卷积层I，卷积核大小为11*11，步长为4，卷积核个数为96，无填充；

2)卷积层II，卷积核大小为3*3，步长为2，卷积核个数为128，填充为2：

3)池化层I，卷积核大小为3*3，步长为2，无填充；

4)卷积层III，卷积核大小为3*3，步长为1，卷积核个数为256，无填充；

5)卷积层IV，卷积核大小为2*2，步长为2，卷积核个数为256，无填充；

6)池化层II，卷积核大小为2*2，步长为2，无填充；

7)全连接层I，将池化层II输出的特征图转换为一维特征向量；

8)全连接层II，对全连接层I中的神经元进行全链接，得到7个预测值，输入到Softmax分类器。

3.根据权利要求2所述的基于深度学习的人脸表情识别装置，其特征在于，所述人脸识别模块利用harr特征检测算法、adaboost分类算法识别出所述人脸区域图像。

4.根据权利要求2所述的基于深度学习的人脸表情识别装置，其特征在于，所述预处理模块将具有一定程度的姿态变化的人脸区域图像利用仿射变换方法矫正为相似的正面人脸姿态的人脸区域图像。

5.基于深度学习的人脸表情识别方法，其特征在于，包括：

识别人脸区域图像；

将人脸区域图像调整为正面人脸姿态的人脸区域图像；

将调整后的人脸区域图像输入卷积神经网络模型，输出人脸表情识别结果。

6.根据权利要求5所述的基于深度学习的人脸表情识别方法，其特征在于，所述卷积神经网络模型包括依序连接的2个卷积层、1个池化层、2个卷积层、1个池化层和2个全连接层；

1)卷积层I，卷积核大小为11*11，步长为4，卷积核个数为96，无填充；

2)卷积层II，卷积核大小为3*3，步长为2，卷积核个数为128，填充为2：

3)池化层I，卷积核大小为3*3，步长为2，无填充；

4)卷积层III，卷积核大小为3*3，步长为1，卷积核个数为256，无填充；

5)卷积层IV，卷积核大小为2*2，步长为2，卷积核个数为256，无填充；

6)池化层II，卷积核大小为2*2，步长为2，无填充；

7)全连接层I，将池化层II输出的特征图转换为一维特征向量；

8)全连接层II，对全连接层I中的神经元进行全链接，得到7个预测值，输入到Softmax分类器。

7.根据权利要求6所述的基于深度学习的人脸表情识别方法，其特征在于，利用harr特征检测算法、adaboost分类算法识别所述人脸区域图像。

8.根据权利要求6所述的基于深度学习的人脸表情识别方法，其特征在于，将具有一定程度的姿态变化的人脸区域图像利用仿射变换方法调整为相似的正面人脸姿态的人脸区域图像。