[发明专利]一种基于多元融合决策的人脸表情识别方法

说明书

本发明公开了一种基于多元融合决策的人脸表情识别方法，包括如下步骤：采用基于轻量级注意力机制的人脸检测算法对输入人脸图像进行定位预处理；在预处理定位的基础上，进行人脸特征提取，在提取过程中以特有权重配比及学习机制，对特征提取进行优化；以提取的特征信息为基础，辅以多元融合作用，输出分类决策依据；在特征信息和多元融合分类的基础上，进行待测对象的表情分类。本发明通过以随机森林决策树为基础的多种对人脸表情识别起影响作用的因子相互融合和共同决策以达到更优表情识别效果为目的，解决了人脸预定位准确性提升问题，解决了特征提取按照实际特征及其多元成因之间关联的精准性问题，提升了多元融合基础之上的表情分类准确度。

技术领域

本发明属于人工智能领域，涉及面部图像检测、面部特征提取、注意力机制，特别涉及一种多元融合决策的人脸表情识别方法。

背景技术

人脸表情识别即通过一定的程序算法判断画面中人脸表情所属类型的工作。通常领域内对表情类别的划分，主要是根据美国著名心理学家保罗艾克曼的研究，分为惊讶、悲伤、愤怒、恐惧、快乐、厌恶及轻蔑七类。通常情况下表情识别分为图像预处理、表情特征提取、表情分类识别三个阶段，不同阶段又有各种不同形式和方法。

图像预处理阶段主要目的为增加和聚焦图像关键信息，减少因图像质量原因造成的对识别效果的影响，降低图像噪声，提高识别算法的鲁棒性。常用的方法主要有：人脸检测、光照归一化、姿态归一化、去除遮挡处理及数据增强处理等。

表情特征提取阶段是识别步骤的关键，其主要目的为从预处理结果对象中提取出与表情相关的重要信息元素，为进一步表情分类判断提供决策依据。通常提取特征类型有：几何特征、统计特征、频率域特征和运动特征等。常用特征提取方法有：整体识别法和局部识别法、形变提取法和运动提取法、几何特征法和容貌特征法等。

表情分类识别阶段是最终对表情进行归类判别的阶段，也是整个表情识别过程中最为重要的阶段。基于相同的特征提取结果，不同的分类器将有不同的表现，分类效果的误差也参差不齐。表情分类的常用方式有概率模型分类、线性分类器、K值均值法分类、支持向量机、隐马尔可夫模型、神经网络分类器等。

综上所述，表情识别随着人工智能技术的发展已经有了很好的技术支撑，并已经在很多行业有了成功的应用。随之而来，表情识别的更加精准的要求和需求也在各个领域有所呈现。所以不断采用新技术，寻求新突破去解决表情识别中的技术问题，尤其是识别效果的提升显得最为迫切，至关重要。

发明内容

发明目的：为了克服现有技术中存在的不足，提供一种多元融合决策的人脸表情识别方法，其分类更加精准，识别效果更加优质。

技术方案：为实现上述目的，本发明提供一种基于多元融合决策的人脸表情识别方法，包括如下步骤：

S1：采用基于轻量级注意力机制的人脸检测算法对输入人脸图像进行定位预处理；

S2：在预处理定位的基础上，进行人脸特征提取，在提取过程中以特有权重配比及学习机制，对特征提取进行优化；

S3：以提取的特征信息为基础，辅以多元融合作用，输出分类决策依据，为分类模型提供更精确的基本元素；

S4：在特征信息和多元融合分类的基础上，进行待测对象的表情分类。

进一步地，所述步骤S1具体包括如下步骤：

A1：通过改进的与注意力机制相融合的卷积神经网络模型，结合残差信息进行池化及ReLU激活处理，针对目标人脸进行锁定识别；

A2：在目标识别过程中对分割块进行平滑激励处理；

A3：通过滑动分割块的循环迭代，完成待测对象中人脸图像的锁定预处理。

进一步地，所述步骤A2中在计算分割块滑动位移时采用如下计算方式：