摘要
为解决表情识别任务中表情特征提取困难和单一的问题,提出一种结合深度残差网络与几何特征的表情识别分法。该方法对深度残差网络进行改进,使用连续小卷积代替大卷积,在各残差块中加入注意力机制,将相同的两个改进残差网络分别作为分支网络,各自提取表情特征,再通过加和平均进行聚合实现特征互补,得到全局特征。采用人脸关键点构建并计算人脸几何特征,使用主成分分析法去除冗余信息,得到几何特征,与全局特征进行融合作为最终表情特征,使用Softmax进行分类。在CK+与JAFFE数据集上进行验证实验,结果表明,改进后的方法分别取得了98.05%和95.29%的识别率。相较于一些常用人脸表情识别方法,基于深度残差网络与人脸关键点的表情识别方法准确率有一定提高。
0 引言
人类表达自身情感有诸多方式,包括面部表情、语言、身体姿态等,其中较为重要的方式就是面部表情,其可以直观准确地反映人们在某一时刻的情绪和心理状态。目前,人脸表情识别已经成为计算机视觉领域的一个研究热点,而且应用广泛,涉及人机交互、心理学、医疗等多个领域[1-2