一种基于生成对抗式网络的人脸表情识别方法技术

本发明专利技术公开了一种基于生成对抗式网络的人脸表情识别方法，包括以下步骤：A、获取人脸图像，并对人脸图像进行优化；B、将优化后的人脸图像进行特征提取；C、将特征提取后的人脸图像输入预先训练的图像生成模块，得到优化后的人脸特征图像；D、将人脸特征图像输入人脸识别数据库中进行识别，得到识别结果，本发明专利技术的识别方法精确度高，不易出错，能够在光线较差的环境下进行人脸图像精确识别。

【技术实现步骤摘要】
一种基于生成对抗式网络的人脸表情识别方法
本专利技术涉及人脸表情识别
，具体为一种基于生成对抗式网络的人脸表情识别方法。
技术介绍
人的情感的产生是一个很复杂的心理过程，情感的表达也伴随多种表现方式，常被计算机学家用于研究的表达方式主要有三种：表情、语音、动作。在这三种情感表达方式中，表情所贡献的情感比例高达55％，随着人机交互技术的应用日益广泛，在人机交互领域中，人脸表情识别技术具有非常重要的意义。作为模式识别与机器学习领域的主要研究方法之一，己经有大量的人脸表情识别算法被提出。现有技术中的人脸表情识别技术智能化程度低，识别精度低，因此，有必要进行改进。
技术实现思路
本专利技术的目的在于提供一种基于生成对抗式网络的人脸表情识别方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种基于生成对抗式网络的人脸表情识别方法，包括以下步骤：A、获取人脸图像，并对人脸图像进行优化；B、将优化后的人脸图像进行特征提取；C、将特征提取后的人脸图像输入预先训练的图像生成模型，得到优化后的人脸特征图像；D、将人脸特征图像输入人脸识别数据库中进行识别，得到识别结果。优选的，所述步骤A中优化方法如下：a、获取人脸图像灰度直方图；b、设定灰度拉伸中间值，将灰度值小于所述灰度拉伸中间值的全部像素的灰度值降低第一设定值，同时将灰度值大于所述灰度拉伸中间值的全部像素的灰度值增加第一设定值；c、判断处理后的图像灰度直方图中设定目标灰度区间内是否有像素出现；d、当设定目标灰度区间内没有像素出现时，判断步骤b的处理次数是否达到第二设定值的次数，若已经达到第二设定值的次数时停止对图像灰度进行处理；e、当设定目标灰度区间内没有像素出现，并且步骤b的处理次数尚未达到第二设定值时，返回步骤b对图像灰度进行进一步处理；f、当设定目标灰度区间内有像素出现时，停止对图像灰度进行处理。优选的，所述步骤B中特征提取方法如下：a、获取输入的图像，将输入的图像转换到IHS色彩空间中；b、计算转换到IHS色彩空间中图像的简约双四元数矩阵；c、获取预设的多通道滤波器函数矩阵；d、计算简约双四元数矩阵与多通道滤波器函数矩阵的简约双四元数卷积得到卷积矩阵；e、查找卷积矩阵中邻接差值小于差值阈值的像素坐标，根据查找到的像素坐标生成人脸图像特征。优选的，所述步骤C中图像生成模型包括生成式对抗网络，生成式对抗网络包括生成网络、第一判别网络和第二判别网络，所述生成网络用于对输入的图像进行优化调整并输出调整后的图像，所述第一判别网络用于确定所输入的图像是否由所述生成网络输出，所述第二判别网络用于确定所述生成网络输出的图像中人脸的人脸识别结果是否与输入至所述生成网络的图像中人脸的人脸识别结果相匹配。与现有技术相比，本专利技术的有益效果是：(1)本专利技术的识别方法精确度高，不易出错，能够在光线较差的环境下进行人脸图像精确识别。(2)本专利技术采用的优化方法通过设定灰度拉伸中间值作为灰度拉伸处理的阀值，将灰度值小于所述灰度拉伸中间值的全部像素的灰度值降低第一设定值，同时将灰度值大于所述灰度拉伸中间值的全部像素的灰度值增加第一设定值，直至设定目标灰度区间出现像素或者达到处理次数设定值后停止处理，从而增强人脸图像识别效果，同时降低污染部分的噪声，达到提高人脸图像识别正确率的效果。(3)本专利技术采用的特征提取方法能够降低人脸图像纹理特征提取的误检率。附图说明图1为本专利技术流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1，本专利技术提供一种技术方案：一种基于生成对抗式网络的人脸表情识别方法，包括以下步骤：A、获取人脸图像，并对人脸图像进行优化；B、将优化后的人脸图像进行特征提取；C、将特征提取后的人脸图像输入预先训练的图像生成模型，得到优化后的人脸特征图像；D、将人脸特征图像输入人脸识别数据库中进行识别，得到识别结果。本专利技术中，步骤A中优化方法如下：a、获取人脸图像灰度直方图；b、设定灰度拉伸中间值，将灰度值小于所述灰度拉伸中间值的全部像素的灰度值降低第一设定值，同时将灰度值大于所述灰度拉伸中间值的全部像素的灰度值增加第一设定值；c、判断处理后的图像灰度直方图中设定目标灰度区间内是否有像素出现；d、当设定目标灰度区间内没有像素出现时，判断步骤b的处理次数是否达到第二设定值的次数，若已经达到第二设定值的次数时停止对图像灰度进行处理；e、当设定目标灰度区间内没有像素出现，并且步骤b的处理次数尚未达到第二设定值时，返回步骤b对图像灰度进行进一步处理；f、当设定目标灰度区间内有像素出现时，停止对图像灰度进行处理。本专利技术采用的优化方法通过设定灰度拉伸中间值作为灰度拉伸处理的阀值，将灰度值小于所述灰度拉伸中间值的全部像素的灰度值降低第一设定值，同时将灰度值大于所述灰度拉伸中间值的全部像素的灰度值增加第一设定值，直至设定目标灰度区间出现像素或者达到处理次数设定值后停止处理，从而增强人脸图像识别效果，同时降低污染部分的噪声，达到提高人脸图像识别正确率的效果。本专利技术中，步骤B中特征提取方法如下：a、获取输入的图像，将输入的图像转换到IHS色彩空间中；b、计算转换到IHS色彩空间中图像的简约双四元数矩阵；c、获取预设的多通道滤波器函数矩阵；d、计算简约双四元数矩阵与多通道滤波器函数矩阵的简约双四元数卷积得到卷积矩阵；e、查找卷积矩阵中邻接差值小于差值阈值的像素坐标，根据查找到的像素坐标生成人脸图像特征。本专利技术采用的特征提取方法能够降低人脸图像纹理特征提取的误检率。此外，本专利技术中，步骤C中图像生成模型包括生成式对抗网络，生成式对抗网络包括生成网络、第一判别网络和第二判别网络，所述生成网络用于对输入的图像进行优化调整并输出调整后的图像，所述第一判别网络用于确定所输入的图像是否由所述生成网络输出，所述第二判别网络用于确定所述生成网络输出的图像中人脸的人脸识别结果是否与输入至所述生成网络的图像中人脸的人脸识别结果相匹配。综上所述，本专利技术的识别方法精确度高，不易出错，能够在光线较差的环境下进行人脸图像精确识别。尽管已经示出和描述了本专利技术的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本专利技术的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本专利技术的范围由所附权利要求及其等同物限定。本文档来自技高网...

【技术保护点】
1.一种基于生成对抗式网络的人脸表情识别方法，其特征在于：包括以下步骤：A、获取人脸图像，并对人脸图像进行优化；B、将优化后的人脸图像进行特征提取；C、将特征提取后的人脸图像输入预先训练的图像生成模型，得到优化后的人脸特征图像；D、将人脸特征图像输入人脸识别数据库中进行识别，得到识别结果。

【技术特征摘要】
1.一种基于生成对抗式网络的人脸表情识别方法，其特征在于：包括以下步骤：A、获取人脸图像，并对人脸图像进行优化；B、将优化后的人脸图像进行特征提取；C、将特征提取后的人脸图像输入预先训练的图像生成模型，得到优化后的人脸特征图像；D、将人脸特征图像输入人脸识别数据库中进行识别，得到识别结果。2.根据权利要求1所述的一种基于生成对抗式网络的人脸表情识别方法，其特征在于：所述步骤A中优化方法如下：a、获取人脸图像灰度直方图；b、设定灰度拉伸中间值，将灰度值小于所述灰度拉伸中间值的全部像素的灰度值降低第一设定值，同时将灰度值大于所述灰度拉伸中间值的全部像素的灰度值增加第一设定值；c、判断处理后的图像灰度直方图中设定目标灰度区间内是否有像素出现；d、当设定目标灰度区间内没有像素出现时，判断步骤b的处理次数是否达到第二设定值的次数，若已经达到第二设定值的次数时停止对图像灰度进行处理；e、当设定目标灰度区间内没有像素出现，并且步骤b的处理次数尚未达到第二设定值时，返回步骤b对图像灰度进行进一步处理；f...

【专利技术属性】
技术研发人员：刘泉，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61