[发明专利]一种基于等分特征图的表情识别方法及系统

说明书

本发明公开了一种基于等分特征图的表情识别方法及系统。方法包括：S1，获取待识别人脸表情图像；S2，将待识别人脸表情图像输入基于卷积神经网络的表情分类模型输出第一识别结果；获取中间层特征图，将中间层特征图N等分后获得N个局部特征图，分别对N个局部特征图进行局部分类处理获得局部分类结果和局部权值，累加N个局部特征图的局部分类结果与局部权值的乘积值，将累加结果作为第二识别结果；S3，融合第一识别结果和第二识别结果获得最终识别结果。利用中间层特征图获得基于边缘特征的第二识别结果，将第一识别结果和第二识别结果进行融合能够弥补第一识别结果对边缘特征的丢失问题，进而提高最终表情识别结果的准确率。

技术领域

本发明属于人脸表情识别技术领域，特别是涉及一种基于等分特征图的表情识别方法及系统。

背景技术

面部表情包含着丰富的情感信息，是我们在日常沟通交流手段中最自然，语义最丰富的方式之一。表情识别在很多领域都有很高的潜在应用价值，例如医学治疗、监控驾驶员疲劳驾驶、智能服务机器人、心理健康评估等，所以人脸表情识别作为计算机视觉中重要且难以攻克的分支领域，一直受到很多研究者的关注。

卷积层的卷积特性导致较高层次的特征图包含着大量的高级语义信息，较低层次包含着大量的低级边缘信息，且存在着大量的背景噪声，面部图像表面上可以看成一个简单的物体分类任务，但是采用当前应用较为广泛的神经网络，发现效果并不是十分理想。发明人分析后得到，现存的卷积神经网络的分类任务一般是大物体，且类与类之间的差别比较大，因此只利用高级语义信息可以得到较理想的效果，但是对于表情识别，表情之间的差异性并没有普通物体之间那么大，其次表情识别涉及一些肌肉和皮肤纹理的变化，对于这些边缘特征，往往在卷积过程中丢失甚至消失，导致分类效果不太理想。但是，对于普通的卷积神经网络，较低的特征图包含着大量的噪声易于增加模型的复杂度且易误导分类结果。因此，找到一个能增加特征提取信息提高人脸表情识别的准确率的方法具有重要的研究意义。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于等分特征图的表情识别方法及系统。

为了实现本发明的上述目的，根据本发明的第一个方面，本发明提供了一种基于等分特征图的表情识别方法，包括：步骤S1，获取待识别人脸表情图像；步骤S2，将所述待识别人脸表情图像输入基于卷积神经网络的表情分类模型，所述表情分类模型输出第一识别结果；获取表情分类模型的卷积神经网络的中间层特征图，将所述中间层特征图N等分后获得N个局部特征图，所述N为大于1的正整数，分别对N个局部特征图进行局部分类处理获得局部分类结果和局部权值，累加N个局部特征图的局部分类结果与局部权值的乘积值，将累加结果作为第二识别结果；步骤S3，融合第一识别结果和第二识别结果获得所述待识别人脸表情图像的最终识别结果。

上述技术方案：较低层的特征图虽然包含大量边缘特征(如表征肌肉和皮肤纹理变化的特征)，但是有着大量的噪声，这些噪声会增加后续运算的复杂度且易误导分类结果，因此本方法选择中间层特征图提取边缘信息既能提高表情识别精度，又能降低运算复杂度。为了更好的提取局部边缘特征，将中间层特征图划分为N个局部特征图，考虑到不同局部特征图所带有的有效特征信息的不同，在这里加入了局部权值，以此来提高从中间层特征图提取的特征的有效性，利用中间层特征图获得基于边缘特征的第二识别结果；最后将第一识别结果和第二识别结果进行融合能够弥补第一识别结果对边缘特征的丢失问题，进而提高最终表情识别结果的准确率。

在本发明的一种优选实施方式中，将所述中间层特征图在高和宽方向等分。

上述技术方案：便于后续处理。