[发明专利]基于卷积神经网络的人脸表情识别方法

摘要

本发明公开基于卷积神经网络的人脸表情识别方法。所述方法包括人脸表情图像数据集预处理、改进型卷积神经网络的构建、权值优化和训练，以及人脸表情的分类处理。本发明将连续卷积引入到常规卷积神经网络中得到改进型卷积神经网络，所述改进型卷积神经网络采用小尺度的卷积核进行特征提取，可以使提取到的人脸表情特征更精密，同时两个连续的卷积层也增强了网络的非线性表达能力，此外，本发明还将卷积神经网络和SOM神经网络级联构成预训练网络进行预学习，将最优学习结果的神经元用于初始化改进型卷积神经网络，本发明提供的方法能有效提高人脸表情图像识别精度。

主权项

1.基于卷积神经网络的人脸表情识别方法，其特征在于，包括以下步骤：步骤1、从现有的人脸表情库中获取人脸表情图像数据集，进行数据集预处理；步骤2、改进型卷积神经网络的构建：在卷积神经网络中引入两个连续的卷积层，并使用小尺度的卷积核进行特征提取，构建出改进型卷积神经网络；步骤3、改进型卷积神经网络的权值优化：将卷积神经网络和SOM神经网络级联组成预训练网络，通过所述卷积神经网络对步骤1中预处理过的数据集进行特征提取，并将提取的特征作为所述SOM神经网络的学习样本，利用所述学习样本对所述SOM神经网络进行训练，得到所述改进型卷积神经网络的权值初始值；步骤4、改进型卷积神经网络的训练：通过输入信号的前向传播计算每个节点的值，比较所述权值初始值与期望值，计算出误差，然后进行误差的反向传播，由输出层开始逐层计算各层神经元的输出误差，根据误差梯度下降法来调节各层的权值和阈值，使修改后的改进型卷积神经网络的最终输出能接近期望值，所述改进型卷积神经网络的输出以矩阵形式存在；步骤5、表情分类识别：在所述改进型卷积神经网络的最后一层使用分类器进行人脸表情图像的分类识别，在进行人脸表情图像的分类识别前先对分类器进行有监督的学习以获取分类能力。