【技术实现步骤摘要】
一种人脸识别方法及系统
本专利技术涉及图像识别
，具体涉及一种人脸识别方法及系统。
技术介绍
人脸表情是传达人的情绪的重要信号，自动化的表情识别可以辅助机器人交互，智慧医疗，用户解析等应用，因而长期以来存在大量的研究工作，主要集中于受控环境中七类基本表情(平静，高兴，生气，悲伤，讨厌，惊讶，害怕)的自动化识别。相关地，动作单元定义的是人脸特定区域肌肉的运动，如嘴角肌肉上扬，下巴下落。根据动作单元编码系统，每个基本表情都能精确地被定义为一系列动作单元的组合，因而动作单元在自动化表情识别中也起到了重要作用。近年来，研究领域开始出现了反映真实场景的大规模数据集。同之前在实验室场景下收集的数据相比，这些数据集由于在姿势，场景，光照等条件下都有很大的变化，所以对识别的方法带来了很大的挑战。以前手工标识的特征由于难以捕捉到真实场景下巨大的差异性信息，特征表达能力不足，在新出现的数据集上的效果比较差。
技术实现思路
因此，本专利技术提供的一种人脸识别方法及系统，克服了现有技术中对多样的数据集进行人脸表情识
【技术保护点】
1.一种人脸表情识别方法，其特征在于，包括如下步骤：/n获取待识别的人脸图像，所述人脸图像包括多个面部动作单元，所述面部动作单元与表情之间及面部动作单元之间存在依赖关系；/n利用神经网络的主干网络获取表征所述人脸图像全局特性的第一特征；/n根据预设人脸动作单元与表情之间关系利用神经网络的局部分支网络在所述第一特征的基础上，提取表征面部动作单元局部特性的第二特征；/n将所述第一特征与第二特征进行融合后，根据面部动作单元之间的依赖关系得到第三特征；/n将所述第三特征与所述第一特征进行拼接得到第四特征，根据所述第四特征进行人脸表情预测。/n
【技术特征摘要】
1.一种人脸表情识别方法，其特征在于，包括如下步骤：
获取待识别的人脸图像，所述人脸图像包括多个面部动作单元，所述面部动作单元与表情之间及面部动作单元之间存在依赖关系；
利用神经网络的主干网络获取表征所述人脸图像全局特性的第一特征；
根据预设人脸动作单元与表情之间关系利用神经网络的局部分支网络在所述第一特征的基础上，提取表征面部动作单元局部特性的第二特征；
将所述第一特征与第二特征进行融合后，根据面部动作单元之间的依赖关系得到第三特征；
将所述第三特征与所述第一特征进行拼接得到第四特征，根据所述第四特征进行人脸表情预测。
2.根据权利要求1所述的人脸表情识别方法，其特征在于，所述利用神经网络获取表征所述人脸图像全局特性的第一特征的步骤，包括：
将待识别的人脸图像的输入神经网络的主干网络，将不同层输出的不同分辨率的特征进行拼接，将得到的初步全局特征作为第一特征。
3.根据权利要求1所述的人脸表情识别方法，其特征在于，所述根据预设人脸动作单元与表情之间关系利用神经网络的局部分支网络在所述第一特征的基础上，提取表征面部动作单元局部特性的第二特征的步骤，包括：
根据先验知识建立动作单元与表情的关系矩阵；
利用所述关系矩阵获取与输入表情概率之间的对应关系，得到动作单元的概率分布；
将所述动作单元概率作为伪标签对第一局部分支网络进行训练；
将第一特征输入训练好的第一局部分支网络得到第二特征。
4.根据权利要求1所述的人脸表情识别方法，其特征在于，所述将所述第一特征与第二特征进行融合后，根据面部动作单元之间的依赖关系得到第三特征的步骤，包括：
将所述第一特征与第二特征通过低秩化的双线性池化操作进行融合，生成融合特征；
将面部动作单元之间的依赖关系作为约束条件，利用表情标签对所述融合特征进行训练，得到特定表情对应的面部动作单元的概率向量；
将所述概率向量作为权重对所述第二特征进行加权融合，得到第三特征。
5.根据权利要求4所述的人脸表情识别方法，其特征在于，所述将面部动作单元之间的依赖关系作为约束条件，利用表情标签对所述融合特征进行训练，得到特定表情对应的面部动作单元的概率向量的...
【专利技术属性】
技术研发人员：谢圆，陈添水，蒲韬，
申请(专利权)人：暗物质香港智能科技有限公司，
类型：发明
国别省市：中国香港;81
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。