一种基于Keras和CNN的人脸表情识别系统设计

• 作者: 樊雷
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: Keras FER CK+
• 年，卷（期）: 2018,（11X）
• 页码范围: 178-179
• 页数: 2页
• 分类号: TP391.41

摘要

采用深度学习算法的人脸表情识别系统需要较高的CPU或GPU硬件进行模型训练。实践中也需要将模型嵌入不同的硬件终端平台进行识别,工程化后的系统软硬件成本较高。该文提出一种B/S结构的低成本静态图片人脸表情识别系统,技术路线采用Bootstrap、Python、Anaconda、Tensorflow和Keras,采用CNN实现人脸检测定位和表情检测分类功能。模型训练集采用了CK+、Fer2013、日本的JAFFE等开放数据库。系统通过浏览器端上传人脸表情图片进行识别处理,将GPU训练好的CNN模型在单机低端硬件配置上实现了内存预先加载,单张识别速度小于0.002秒,总体表情识别率可以达到65%左右。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	樊雷		21	52	5.0	6.0