基于深度学习的人脸表情识别研究

• 作 者: 吴世豪
• 出 处: 华南理工大学
• 发表日期: 2018年期
• 关键词: 人脸表情识别 深度学习 卷积神经网络 长短期记忆网络

人脸表情识别是当今学术领域中一个非常重要且十分热门的研究课题,特别是在人工智能、机器学习领域中。如果希望计算机能够拥有真正的智能,那么计算机必须先学会理解人类的感情,而人脸表情中往往就蕴含着丰富的情感信息,可以看出人脸表情识别是计算机未来智能化发展不可或缺的总要组成部分,目前已有众多研究人员参与其中。相比于传统的人脸表情识别方法需要人工定义特征,并且人为的进行合适特征提取,深度学习的一大优势在于去除了这些需要大量人为因素干预的缺点,从而减少表情识别的不确定性。近年来,深度学习已在计算机视觉、自然语言处理等多个领域取得了优异的成绩。因此,本文通过研究当今流行的基于深度学习的识别算法,并且结合基于深度学习的人脸验证算法,将其应用到人脸表情识别领域中。本文的主要工作体现在以下几个方面:(1)提出了基于深度学习的表情识别算法:通过借鉴YOLOv2算法,针对表情识别的特点进行改进,使得算法能通过输入照片或视频,能检测出当前人脸的位置,同时识别出人脸的表情类型,并且改进后的算法在拥有更好的识别率的同时也不会降低识别速度。(2)提出了基于深度学习的人脸验证算法:对当今准确率最高Deep ID2算法进行再视频上的人脸验证进行改进,结合长短期神经网络以达到不同时序的身份特征融合,从而提高再视频上的人脸验证准确率,并且在此基础上,通过并行化处理,进一步提高算法的运行速度。(3)实现了基于深度学习的表情识别原型系统:基于人脸表情识别系统的主要工作流程,设计出表情识别系统的整体架构,并实现了一个基于深度学习的表情识别原型系统。本文提出的基于深度学习的人脸表情识别算法提高了在表情识别上的准确率,平均准确率提高了2%,并且比当今流行的表情识别算法运行速度快。并且通过基于深度学习的人脸验证算法的结合,可以得到了同一人物不同表情,从而有效的为进一步分析人脸表情提供帮助。