[发明专利]一种基于卷积神经网络的眼睛和嘴部状态识别方法

摘要

本发明涉及一种基于卷积神经网络的眼睛和嘴部状态识别方法，通过该方法设计的SR‑Net网络对大量眼睛和嘴部不同状态的样本进行学习。面部状态识别可以视为眼睛和嘴部的状态识别。本发明能够更加准确的对眼睛和嘴部的状态进行识别分类。由于卷积神经网络避免了人工特征的抽取，对眼睛及嘴部状态的识别具有很高鲁棒性。并且该方法对佩戴墨镜的情况识别率得到提升，将眼睛态识别的平均准确率提高98.41％以上；对无眼镜下的眼睛状态平均识别率为98.92％，嘴部状态平均识别率为99.33％。

主权项

一种基于卷积神经网络的眼睛和嘴部状态识别方法，所述方法包括下列步骤：(1)采用红外光源、窄带滤光片配合工业镜头搭建用于采集待测图像的红外采集系统；(2)用步骤1中所搭建的系统采集部分待测的面部图像；(3)采用基于haar特征和AdaBoost算法的人脸检测算法或其他人脸检测算法检测出人脸区域；(4)由随机森林和线性回归结合的方法检测出步骤3得到的结果上包括眼睛、嘴部、鼻梁、眉骨和外侧主轮廓的人脸特征点的提取；(5)在步骤4确定人脸特征点的基础上结合正则化方法利用LBF特征检测出人脸的眼睛和嘴部区域；(6)构建SR‑Net的核心结构卷积层；(7)构建SR‑Net的降采样层，以减少计算量，提高特征的鲁棒性，提高模型的准确率；(8)采用修正线性单元构建SR‑Net的全连接层，克服非线性激活函数常见的梯度消失的问题；(9)以一定的概率p，通常设为0.5，让隐藏层的部分神经元输出值设置为0设计SR‑Net的Dropout，减少过拟合现象，进而提高网络的泛化能力；(10)构建训练样本集并选取相应的网络结构和迭代次数训练SR‑Net的网络模型；(11)输入待测数据集，应用SR‑Net模型完成眼睛和嘴部状态识别并输出结果。