[发明专利]基于多分支跨连接卷积神经网络的表情识别方法

说明书

基于多分支跨连接卷积神经网络的表情识别方法，本发明涉及表情识别方法。本发明的目的是为了解决现有传统的表情特征提取方法效率低、资源浪费严重，特征提取不完全的问题。过程为：一、对人脸表情图像数据集进行预处理；二、构建多分支跨连接卷积神经网络，用于提取人脸表情图像特征，过程为：多分支跨连接卷积神经网络由第一卷积层、模块1、模块2和模块3、第四十卷积层、批量标准化BN和Relu激活函数构成；三、采用Softmax分类算法对网络提取的图像特征分类，过程为：在构建的多分支跨连接卷积神经网络后连接全局均值池化，在全局均值池化层后用了Softmax函数进行多分类。本发明用于表情识别领域。

技术领域

本发明涉及表情识别方法。

背景技术

面部表情识别(FER)主要通过面部的外观变化来预测基本的面部表情。面部表情是最直接、最有效的情感识别模式^[1][2]([1]C.Darwin and P.Prodger,The expressionofthe emotions in man and animals.Oxford University Press,USA,1998.[2]Y.-I.Tian,T.Kanade,and J.F.Cohn,“Recognizing action units for facial expressionanalysis,”IEEE Transactions on pattern analysis and machine intelligence,vol.23,no.2,pp.97–115,2001.)，面部表情识别作为人脸识别的重要分支，它有很多人机交互方面的应用，例如疲劳驾驶检测和手机端实时表情识别。同时，在教育监控、医学检测等各个领域也有着重要的发展^[3-5]([3]Li S,Deng W.Deep facial expressionrecognition:A survey[J].arXiv preprint arXiv:1804.08348,2018.[4]M.Z.Uddin,M.M.Hassan,A.Almogren,A.Alamri,M.Alrubaian,G.Fortino,Facial expressionrecognition utilizing local direction-based robust features and deepbeliefnetwork,IEEE Access,vol.5,pp.4525-4536,2017.[5]F.Ren,Z.Huang,Automatic facial expression learning method based on humanoid robot XIN-REN,IEEE Trans.Human-Mach.Syst.,vol.46,pp.810-821,Dec.2016.)。近年来，由于人脸表情识别的实际应用价值和前景，成为众多学者的研究热点，同时也取得了重大进展。