[发明专利]一种基于改进VGG网络模型的人脸表情识别方法

说明书

本发明公开一种基于改进VGG网络模型的人脸表情识别方法，适用于图像识别领域中使用。首先对人脸图像灰度化，然后对灰度化处理后的人脸表情图像规则化分类；构建用以获取训练人脸表情图像的特征参数值以及模型权重的改进VGG网络模型，从而获得各人脸表情的属性特征，所述改进型VGG网络模型利用二步长的卷积加Relu函数替代常规VGG网络模型中的池化层，用GAP层替代常规VGG网络模型全连接层；使用训练好的改进VGG网络模型权重以及求取的属性特征进行人脸表情的识别工作。该方法提高了人脸表情识别的泛化性与鲁棒性，对科技、军事、治安、医疗、情感等方面的研究与推广有积极作用。

技术领域

本发明设计一种人脸表情识别方法，尤其适用于图像识别领域中使用的一种基于改进VGG网络模型的人脸表情识别方法。

背景技术

近年来出现的阿里云技术、驾驶人员的疲劳表情检测、新生儿的痛苦表情判别、老年人心理健康检测等都体现了人脸表情识别技术在AI领域的不断进步、图像采集和运算硬件的不断更新以及网络模型的不断改进下得到了极快的发展。当前人脸表情识别多分为六大主流方向：(1)应用于科技方向：如仿真型智能机器人的研究，其离不开对人脸表情的研究，因为机器人外观的仿真不仅是从形体姿态方面而言的，面部表情也是仿真的关键(2)应用于交通方向：如驾驶员的疲劳表情检测，准确的疲劳表情检测可以一定程度降低交通事故的发生。(3)应用于医疗方向：如新生儿的痛苦表情判别、失语患者的表情识别等，医生通过对特殊群体的面部表情可以快速诊断病人病症，并及时了解病人心理和身体健康情况。(4)应用于军事方向，如通过远程敌军的表情识别判断战况，采用军事与人脸识别技术等高科技融合技术可以提高军队的战斗力。(5)应用于治安方向，如通过表情识别对罪犯进行审讯，表情识别技术可以帮助民警快速高效的判别嫌疑人的心理活动以及犯罪倾向指数。(6)应用于情感方向：如人机交互领域，独居老人的情感陪伴等依托于具有人脸表情识别功能的人机交互技术。由此可见人脸表情识别具有很广的应用前景，但是当前人脸表情识别技术存在1)人脸表情识别准确率不高；2)模型抗过拟合性不强，学习能力不强；3)鲁棒性和泛化性能不佳；4)占用硬件资源过多，运行时间过慢等问题。使用深度学习来实现人脸表情识别可以很好的解决上述问题，而根据研究可知深度学习内的卷积神经网络能更好的处理图像问题。因此本发明以原有VGG16网络模型为模板设计了一种基于改进VGG网络模型的人脸表情识别方法。

发明内容

本发明的目的在于提供一种基于改进VGG网络模型的人脸表情识别方法，提高人脸表情识别准确率，缩短运行时间，系统性价比更高，弥补了人眼不能实时、全方位、正确分辨面部表情的不足，为人脸表情识别技术提供参考。

为实现上述技术目的，本发明的基于改进VGG网络模型的人脸表情识别方法，其步骤如下：

步骤一、对采集到的人脸表情图像进行灰度化处理；

步骤二、对灰度化处理后的人脸表情图像规则化分类处理；

步骤三、构建用以获取训练人脸表情图像的特征参数值以及模型权重的改进VGG网络模型，从而获得各人脸表情的属性特征，所述改进型VGG网络模型利用二步长的卷积加Relu函数替代常规VGG网络模型中的池化层，用GAP层替代常规VGG网络模型全连接层；

步骤四、使用规则化表情图像集训练改进VGG网络模型，最后使用训练好的改进VGG网络模型权重以及求取的属性特征进行人脸表情的识别工作；

进一步，对灰度化处理后的人脸表情图像规则化分类处理具体步骤如下：

a1人脸表情图像分类和标签化处理，从而规范各表情图像的定位提高网络训练的准确度：人脸表情图像的正确分类与定位是实现识别准确的基础，因此数据集的样本容量、表情分类、标签定位准确度、数据集的划分等诸多因素都被纳入考虑范畴；人脸表情数据集被划分为开心、惊讶、愤怒、中性、伤心、厌恶、恐惧7类表情，7类表情所对应的标签为0到6；