基于深度学习的面部表情识别探讨

【#文档大全网# 导语】以下是®文档大全网的小编为您整理的《基于深度学习的面部表情识别探讨》，欢迎阅读！

龙源期刊网 http://www.qikan.com.cn

基于深度学习的面部表情识别探讨

作者：盛伟 刘嵩岩 成杰 孙毅

来源：《科学与信息化》2020年第21期

摘 要 随着计算机技术和人工智能技术及其相关学科的迅猛发展，人们对类似于人和人交流方式的人机交互的需求日益强烈。表情识别是人们获取情感信息的基础，是计算机获取人类情感的前提，同时也是人们探索和理解智能的有效途径之一。本文在嵌入式系统的基础上利用Fer2013数据集，在TensorFlow平台上训练卷积神经网络（CNN），从而实现面部表情识别。 关键词 嵌入式系统;CNN;TensorFlow;面部表情识别 引言

面部表情识别技术同其他人工智能技术相比，发展的比较缓慢。由于面部表情具有多变性和复杂性，再同情绪和个体差异结合，很大程度上提高表情识别的难度。因此，与生物识别技术如指纹识别、人脸识别等相比，发展相对较慢，应用还不广泛。但是表情识别突破了人与机器传统的关系，因此国内外学者致力于这方面的研究，并在技术方面有很大的突破。人脸表情识别是指从给定的静态图片或动态视频序列中分离出的表情状态，本文主要研究的是从静态图片中确定被识别对象的心理情绪，实现计算机对人脸表情的理解与识别，从而更好达到人机交流[1]。 1 技术背景 1.1 数据集

Fer2013人脸表情数据集由35886张人脸表情图片组成，其中，测试图（Training）28708张，公共验证图（PublicTest）和私有验证图（PrivateTest）各3589张，每张图片是由大小固定为48×48的灰度图像组成，共有7种表情，分别对应于数字标签0-6，具体表情对应的标签和中英文如下：0 anger 生气; 1 disgust 厌恶; 2 fear 恐惧; 3 happy 开心; 4 sad 伤心;5 surprised 惊讶; 6 normal 中性[2]。 1.2 卷积神经网络

传统表情识别技术和深度表情识别技术最大的区别就在于特征学习的方式不同。传统表情识别技术的特征提取方法主要有Gabor小波变换、局部二值模式（LBP）等方法;而CNN网络对图片进行预处理获取特征向量。近些年来，有越来越多的深度网络用于表情识别，如卷积神经网络CNN等。本文就是采用是11层的CNN网络进行面部表情识别，1层输入层，4层卷积层，三层池化层、2层全连接层、损失函数层和输出层。

本文来源：https://www.wddqxz.cn/43e8a47483c758f5f61fb7360b4c2e3f5727258d.html