面向面部表情识别的双通道卷积神经网络

• 作者: 倪蓉蓉 曹金梦 杨彪
• 来源期刊: 南京师范大学学报（工程技术版）
• 学科: 工学
• 关键词: 人脸检测 面部表情识别 双通道 卷积神经网络 LBP图像
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 人工智能算法与应用专栏
• 页码范围: 1-9
• 页数: 9页
• 分类号: TP391.41
• 字数: 5735字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-1292.2018.03.001

摘要

面部表情识别是机器感知人类情绪变化的重要途径,但表情识别受不同个体及情绪强弱差异影响较大,难以手动设计准确的特征.提出一种基于双通道卷积神经网络的面部表情识别方法,首先对采集得到的人脸图像进行预处理以限制分析范围,同时分析人脸灰度图像与对应的LBP图像以兼顾全局与细节特征;针对双通道输入数据,利用不同参数的卷积神经网络自动提取面部特征,通过加权融合分类网络进行特征融合,并利用softmax分类不同表情.实验结果表明,该算法能够以较高的准确率识别6种基本面部表情(高兴、悲伤、愤怒、沮丧、恐惧及惊讶).该方法性能优于基于手动设计特征的面部表情识别方法及单通道CNN方法,相比于其他双通道CNN方法,能通过更简单的处理得到近似的识别结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨彪	常州大学信息科学与工程学院	11	22	2.0	4.0
2	倪蓉蓉	常州纺织服装职业技术学院机电系	6	7	2.0	2.0
3	曹金梦	常州大学信息科学与工程学院	2	4	2.0	2.0