一种基于深度学习的戴口罩人脸表情识别方法技术

本发明专利技术公开一种基于深度学习的戴口罩人脸识别方法，主要解决当前戴口罩人脸表情识别技术数据集缺乏、准确率较低以及相关研究过少的问题。该方法首先基于Fer2013无遮挡表情数据集，结合Dlib库68个人脸关键点检测技术中的27个关键点建立3841张规格为48*48*1的有遮挡(戴口罩)4类表情类别数据集，随机分为训练集与测试集；将训练集输入一种基于卷积神经网络的专用于人脸表情识别领域的M‑Xception网络中进行训练，保存参数权重，可利用测试集测试模型准确率；利用OpenCV实时采集戴口罩人脸图像，将不同表情的戴口罩人脸图像输入模型，输出概率最大的表情即为识别结果。本发明专利技术使用卷积神经网络提高了识别准确率，降低了识别时间、运行成本低、方法简便，可以应用在商场购物体验、健康状态分析等场景。

【技术实现步骤摘要】
一种基于深度学习的戴口罩人脸表情识别方法
本专利技术涉及深度学习与生物特征识别领域，具体是一种基于深度学习的戴口罩人脸表情识别方法。
技术介绍
随着芯片处理能力的大幅提升(如GPU)和各种优秀神经网络结构(如卷积神经网络CNN)的不断涌现，人工智能领域许多研究方向开始转向深度学习方法，其中包括人脸表情识别。人脸表情是反映人类情感状态的最重要特征之一，可以向观察者传递大量的情感信息。作为一门涉及领域广泛的交叉性课题，人脸表情识别技术由于其高信息量、情感交互的作用，吸引更多研究者的关注。随着计算机技术的不断发展，基于深度学习的人脸表情识别技术正在得到充分挖掘和应用。但是由于口罩遮挡人脸表情的绝大部分信息，使得戴口罩的人脸表情识别具有高度复杂性，所以戴口罩的人脸表情识别技术的相关研究较少，识别的准确率一直偏低。通过戴口罩人脸表情的分析，可以提取有遮挡情况下，特征点受限的表情信息，进而分析其情感状态，从而掌握更多被观察者的情绪信息。关于人脸表情识别的相关研究开始于20世纪，目前表情识别因为数据集数据不足、表情类别定义标准不一等问题仍然存在很大的本文档来自技高网...

【技术保护点】
1.一种基于深度学习的戴口罩人脸表情识别方法，包括：/n步骤A1，戴口罩表情数据集的建立；/n步骤A2，深度学习网络M-Xception的搭建；/n步骤A3，对戴口罩的人脸表情进行预处理；/n步骤A4，利用训练权重完成表情分类和识别。/n

【技术特征摘要】
1.一种基于深度学习的戴口罩人脸表情识别方法，包括：
步骤A1，戴口罩表情数据集的建立；
步骤A2，深度学习网络M-Xception的搭建；
步骤A3，对戴口罩的人脸表情进行预处理；
步骤A4，利用训练权重完成表情分类和识别。


2.如权利要求1所述一种基于深度学习的戴口罩人脸表情识别方法，其中所述的戴口罩表情数据集的建立部分：定义4种不同的表情类别，分别是中性、惊讶、悲伤和生气，利用Dlib库68个人脸关键点检测技术完成人脸戴口罩操作，得到3841张分辨率为48*48的灰度表情图像，可分为训练集和测试集。


3.如权利要求1所述一种基于深度学习的戴口罩人脸表情识别方法，其中所述的深度学习网络M-Xception的搭建：M-Xceptio...

【专利技术属性】
技术研发人员：林丽媛，韦赛远，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：天津;12