[发明专利]基于轻量流式网络和注意力机制的表情识别方法

说明书

本发明涉及一种基于轻量流式网络和注意力机制的表情识别方法，包括以下步骤：步骤S1：获取表情图像数据集，并预处理；步骤S2:构建包含注意力机制的轻量流式网络，并在网络的最后通过交叉熵损失函数进行分类；步骤S3根据预处理后的表情图像数据集训练包含注意力机制的轻量流式网络；步骤S4:将待测图像数据输入训练后的包含注意力机制的轻量流式网络，得到识别结果。本发明能够有效地对表情图像进行分类，提升了表情图像分类的效果。

技术领域

本发明涉及模式识别与计算机视觉领域,具体涉及一种基于轻量流式网络和注意力机制的表情识别方法。

背景技术

随着信息科技和现代社会的高速发展，人工智能技术已经渗透到了社会生活的各个细枝末节，例如智能翻译、智能音箱、智能识别等技术。人类作为信息社

会价值交换的主体，对自身行为的智能分析和研究应用在当今社会条件下显得尤

为重要，人类的面部作为人类身体部位上传达信息最为丰富的区域，更是科学家

们研究的重中之重。除了目前已经被作为生物密码的人脸识别之外，人脸的面部表情也是人类面部可以传达出的重要信息，人脸面部的表情表达通常比语言的表达更具感染力和表现力，而且来自于表情的情感表达历史远远早于语言的兴起。自动的面部表情识别在社交机器人、情感计算和医药医疗领域都有着十分重要的研究意义。因此，近年来人们提出了许多利用计算机视觉和机器学习算法来实现表情自动识别的工作。

发明内容

有鉴于此，本发明的目的在于提供一种基于轻量流式网络和注意力机制的表情识别方法，能够有效地微表情图像进行分类。

为实现上述目的，本发明采用如下技术方案：

一种基于轻量流式网络和注意力机制的表情识别方法，包括以下步骤：

步骤S1：获取表情图像数据集，并预处理；

步骤S2：构建包含注意力机制的轻量流式网络，根据预处理后的表情图像数据集训练包含注意力机制的轻量流式网络；

步骤S3：在网络的最后，通过交叉熵损失函数进行分类；

步骤S4：将待测图像数据输入训练后的包含注意力机制的轻量流式网络，得到识别结果。

进一步的，所述步骤S1具体为：

步骤S11：获取表情图像数据集，并使用级联卷积神经网络进行人脸对齐；

步骤S12：根据步骤S11处理后得到人脸对齐之后的图像，然后进图像进行灰度归一化；

步骤S13：采用增强操作，对归一化后的图像数据进行数据增强，得到预处理后的表情图像数据集。

进一步的，所述级联卷积神经网络包含若干阶段，每个阶段都包含前一阶段的输出作为输入，输出偏置，加上偏置并摆正人脸关键点和输入图，用输出的点生成热力图、最后一层卷积输出的特征图以及摆正后的原图作为下一个阶段的输入，具体的：

第一级的输入是一张人脸的原始图像I，将面部关键点初始化为S⁰，S⁰由所有关键点取平均得到，经过卷积神经网络后加上平均形状S⁰，得到该级的形状估计S¹；

在第二级中，首先利用S⁰对人脸原始图像I和S¹进行矫正变化，即计算S¹相对于S⁰的仿射矩阵并作用与二者之上，得到矫正后的人脸图像I'和形状S¹'，并根据S¹'生成关键点热力图M'；

之后的级联都可以看作是第二级模块的堆叠，即将上一级的全连接层，输出的关键点人力图和校正后的人脸图像作为输入，输出该级的估计。