基于深度度量融合网络的面部表情识别方法技术

本发明专利技术公开了一种基于深度度量融合网络的面部表情识别方法，包括如下步骤：首先，对输入图像进行预处理；然后，构建了结合多种表情特征表示的深度度量融合网络，最后，利用训练样本对深度度量融合网络进行训练；测试时将待检测的人脸表情图像输入到训练好的深度度量融合网络中，得到表情的分类类别。本发明专利技术具有如下有益效果：本发明专利技术利用多个阈值信息来学习不同的表情分布，使得学习到的特征更具有鲁棒性和可辨别性；本发明专利技术使用对称三元组损失函数，能够避免不完整判断和锚点选择敏感的问题，加速了深度度量融合网络的收敛并且提高了学习能力；能够提高面部表情识别的准确率。

Facial expression recognition based on depth measurement fusion network

【技术实现步骤摘要】
基于深度度量融合网络的面部表情识别方法
本专利技术涉及面部表情识别
，尤其是涉及一种能够提高脸部表情识别准确率的基于深度度量融合网络的面部表情识别方法。
技术介绍
面部表情是人类传递情感状态最自然和普遍的信号之一，表情识别在商业、安全、医学等领域有着广泛的应用前景，能够快速准确地识别出面部表情对其研究与应用具有重要意义。传统的机器学习方法需要手工提取特征且准确率难以保证。近年来，卷积神经网络因其良好的自学习和泛化能力在表情识别中得到了广泛应用，但是由于姿势、光照以及面部图像中个体身份的变化，表情识别仍然是一个挑战。例如，面部图像中的特征可能更多的受到身份变化而不是表情信息的主导，即具有相同表情的不同个体之间的特征距离可能大于相同个体的不同表情之间的特征距离，这将导致基于图像特征的表情分类十分困难。因此，一个有效的表情特征表示对于提高表情的辨别能力至关重要。度量学习机制有从训练数据中学习有效表示表情变化的特征但对其他面部特征变化忽略的能力。基于深度度量学习的面部表情识别尝试构建从图像x到特征空间Rd的表情特征表示f(x)，使得具有相同表情的所有面部图像之间的特征距离很小，而具有不本文档来自技高网...

【技术保护点】
1.一种基于深度度量融合网络的面部表情识别方法，其特征在于，包括如下步骤：(1‑1)输入图像的预处理；(1‑2)构建深度度量融合网络；(1‑2‑1)利用DCNN模块提取面部表情特征；(1‑2‑2)利用N‑metric模块融合不同表情特征；(1‑3)对面部表情图像进行分类。

【技术特征摘要】
1.一种基于深度度量融合网络的面部表情识别方法，其特征在于，包括如下步骤：(1-1)输入图像的预处理；(1-2)构建深度度量融合网络；(1-2-1)利用DCNN模块提取面部表情特征；(1-2-2)利用N-metric模块融合不同表情特征；(1-3)对面部表情图像进行分类。2.根据权利要求1所述的基于深度度量融合网络的面部表情识别方法，其特征在于，步骤(1-2-1)的具体步骤如下：(2-1)初始化DCNN模块；(2-2)在人脸表情数据库上，利用softmax损失函数对DCNN模块进行微调，得到预训练的DCNN模块。3.根据权利要求1所述的基于深度度量融合网络的面部表情识别方法，其特征在于，步骤(1-2-2)的具体步骤如下：(3-1)N-metric模块使用多个全连接的分支层，DCNN模块的最后一层全连接作为N-metric模块的每一个分支的输入，每一个分支都有一个固定大小的全连接层以及相关联的阈值πi,i∈{1，2，...，N}；(3-2)将图像x嵌入到欧式空间得到嵌入特征fi(x),在训练期间，每一个分支由对称三元组损失进行约束，表示为lossi,i∈{1，2，...，N}。4.根据权利要求3所述的基于深度度量融合网络的面部表情识别方法，其特征在于，步骤(3-2)...

【专利技术属性】
技术研发人员：杨文武，陈拓，邢帅，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：浙江,33