【技术实现步骤摘要】
一种无监督跨角度面部表情图像识别方法
本专利技术涉及图像处理领域，涉及一种一种无监督跨角度面部表情图像识别方法。
技术介绍
在机器视觉研究中，领域漂移广泛存在，而且一直是局限视频分析算法从实验室走向大规模商用的重要障碍。其主要是由两方面因素导致：1)由于视频来源，摄像机视角，目标姿态，光照环境等各方面条件差异，导致使用有限的训练样本无法覆盖视频中待处理对象所有状态的数据分布。例如视频分析中的多角度问题，目标再识别问题和对不同环境的泛化性问题等等。2)对图像数据进行充分标注代价高昂，使得在当前海量的图像数据中真正能用于有监督学习的数据只占极少部分，一旦源域和目标域中的数据分布差异较大，则效果大幅下降，与人类具备的那种“举一反三”的能力相差甚远。因此，研究计算机视觉中的领域适应问题，将从已有标签信息的源域数据中学习所得的知识和模型迁移到只有少量标签(半监督领域适应)或是无标签(无监督领域适应)的目标域数据中去，在目标域获取高性能的图像分析效果，实现图像分析算法对领域漂移现象的适应性和鲁棒性，具有重要的理论意义和实践价值。...
【技术保护点】
1.一种无监督跨角度面部表情图像识别方法，其特征在于包括以下步骤：/n步骤A，创建多角度的人脸表情库，表情库中包含的表情包括但不限于：生气、轻蔑、厌恶、害怕、伤心、自然；摄像机拍摄角度包括但不限于为0°，45°，90°，135°，150°，180°；摄像机在不同的角度下采集对象的图像，并将采集的90°的图像作为正脸图像，其他角度的图像作为侧脸图像；之后对不同角度下采集到的人脸图像进行校准，制作标签，获得多角度的人脸表情数据集；/n步骤B，建立无监督跨角度面部表情自适应网络UCFEAN，无监督跨角度面部表情自适应网络UCFEAN包括两个用于跨角度图像生成的生成器G12、G21...
【技术特征摘要】
1.一种无监督跨角度面部表情图像识别方法，其特征在于包括以下步骤：
步骤A，创建多角度的人脸表情库，表情库中包含的表情包括但不限于：生气、轻蔑、厌恶、害怕、伤心、自然；摄像机拍摄角度包括但不限于为0°，45°，90°，135°，150°，180°；摄像机在不同的角度下采集对象的图像，并将采集的90°的图像作为正脸图像，其他角度的图像作为侧脸图像；之后对不同角度下采集到的人脸图像进行校准，制作标签，获得多角度的人脸表情数据集；
步骤B，建立无监督跨角度面部表情自适应网络UCFEAN，无监督跨角度面部表情自适应网络UCFEAN包括两个用于跨角度图像生成的生成器G12、G21，两个判别器，两个用于在特征域进行半监督学习的分类器，学生网络Cs和教师网络Ct，以及一个合成图像质量评估网络Cq；
步骤C，对无监督跨角度面部表情自适应网络UCFEAN进行训练，训练中的技巧包括乒乓逐级下降训练策略和域平均脸以及合成图像质量评估；
步骤D，测试时，将侧脸表情图像输入到无监督跨角度面部表情自适应网络UCFEAN中，便可以得到该图像的表情分类结果。
2.根据权利要求1所述的一种无监督跨角度面部表情图像识别方法，其特征在于步骤B中，生成器G12由源域到目标域上构建而成，生成器G21由目标域到源域上构建而成，把生成器G12分为卷积部分E12和反卷积部分D12，把生成器G21分为卷积部分E21和反卷积部分D21。
3.根据权利要求1所述的一种无监督跨角度面部表情图像识别方法，其特征在于步骤B中半监督网络Cs,Ct的构建。Cs是有标签分类器，将有标签的图像输入分类器Cs中进行有标签学习。Ct是无标签分类器，不进行训练，由Cs的参数经过移动指数平均得到，将无标签的图像经过不同程度的污染后，分别输入Cs和Ct得到分类结果，由Ct的分类结果指导Cs的分类结果。最终将有标签损失和Cs,Ct得到分类结果的差值经过加权后作为最终的半监督网络损失。
4.根据权利要求2所述的一种无监督跨角度面部表情图像识别方法，其特征...
【专利技术属性】
技术研发人员：孙宁，卢情义，李晓飞，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32
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。