基于卷积神经网络的人脸表情识别研究

李思泉，张轩雄

【摘要】随着人机交互技术和机器学习技术的发展，人脸表情识别技术逐渐成为研究热点。针对传统人脸表情识别算法鲁棒性差、表情特征提取能力不足的问题，提出一种改进的基于卷积神经网络的人脸表情识别算法。首先对人脸图像进行预处理，检测并分割出人脸关键点的部分图像，然后输入到包含卷积神经网络通道和卷积稀疏自编码(CSAE)预训练通道的双通道模型中。其中卷积神经网络通道部分使用了批量正则化(Batch Normalization)和ReLU激活函数，加快了模型训练速度,解决了梯度消失问题，同时增加了模型的非线性表达能力。通过引入Dropout技术，解决了网络的过拟合问题。在另一个通道，对输入的人脸表情图像增加了卷积稀疏自编码进行无监督预处理。实验结果表明，该算法在JAFFE、CK+人脸表情数据集上均获得了较好的识别效果。

【期刊名称】软件导刊

【年(卷),期】2018(017)001

【总页数】4

【关键词】人脸表情识别；卷积神经网络；卷积稀疏自编码；特征提取；无监督预处理

0 引言

人类的情感认知一直是人机交互技术研究的重要课题，而人脸表情是传达人类情感和认知的重要方式。面部表情变化能够准确传达人类除语言表达之外的心理活动变化。人脸表情识别系统一般包括人脸检测、图像预处理、特征提取和表情分类4部分。其中表情的特征提取和分类是人脸表情技术研究的重点，关