[发明专利]面向面部表情识别的双通道卷积神经网络

摘要

本发明公开了一种双通道卷积神经网络对人脸面部表情识别的方法，首先针对不同的输入图像进行预处理包括人脸检测、旋转校正、降采样以及数据样本扩充(若输入RGB图像，则将其灰度化以降低计算复杂度)，从而提高人脸检测精度。其次对于样本扩充后的灰度图像，计算对应的LBP图像，从而构成双通道样本集，用于后续的模型训练与测试。然后利用双通道特征提取网络(Binary Channel‑Feature Extraction Network，BC‑FEN)进行人脸图像全局及局部特征的有效提取。最后利用加权融合分类网络(Weighted Merge Classify Network，WMCN)完成人脸图像的特征融合及表情分类，提高了人脸表情识别精度。

主权项

1.一种基于双通道卷积神经网络对人脸表情识别的方法，其特征在于，包括以下步骤：1)：进行数据预处理，减少背景信息干扰；2)：搭建一个双通道卷积神经网络自动提取有效特征，并以加权的策略将特征融合；3)：利用softmax进行表情分类。