一种基于Intral-Class Gap GAN的面部表情识别方法技术

一种基于Intral‑Class Gap GAN的面部表情识别方法，所述的识别模型构建，包括以下几个步骤：（1）、采集人脸不同来源及不同表情的实时图像；（2）、将该图像输入至Intral‑Class Gap GAN神经网络模型进行识别；（3）、输出识别结果；本发明专利技术提供的基于生成对抗的面部表情识别方法，通过与传统人工提取表情特征的方法相比，实现了自动对人脸表情特征的提取，相比于稍微早期的神经网络面部表情识别，本发明专利技术实现了识别率的提高，从而精确的进行表情识别。

【技术实现步骤摘要】
一种基于Intral-ClassGapGAN的面部表情识别方法
本专利技术涉及图像处理及深度学习的面部表情识别领域，总的来说，是关于一种基于生成对抗的面部表情识别方法。
技术介绍
我国庞大的流动人口对城市基础设施和公共服务构成巨大的压力，近年来恶性伤人事件频发，安防形势备受关注，城市管理与服务体系严重滞后，亟待完善，加强城市监控和对不法分子的面部表情识别变得尤为重要。表情是通过脸部肌肉变化表现出的情绪状态，通过对人的面部情感表达的识别，可以判断出异常心理状态、推测极端情绪，观测复杂环境出现的行人的面部表情，为进一步判断人的心理提供技术支撑，大致判断出哪些人比较可疑，及时阻止某些犯罪活动。传统的面部表情识别主要是基于模板匹配和神经网络的面部表情识别方法。而且传统的面部表情在特征选择过程需要人为干预，依靠人工对特征提取算法进行精细设计，缺乏足够的计算能力，训练难度大、准确率低且及易丢失原有的表情信息。
技术实现思路
专利技术目的：根据上述提出的真实情况下的面部表情识别存在的类内差距，针对复杂环境安检中难度大，由类内差距引起的不能本文档来自技高网...

【技术保护点】
1.一种基于Intral-Class Gap GAN的面部表情识别方法，其特征在于：/n所述的识别模型构建，包括以下几个步骤：/n(1)、采集人脸不同来源及不同表情的实时图像；/n(2)、将该图像输入至Intral-Class Gap GAN神经网络模型进行识别；/n(3)、输出识别结果；/n所述(2)步骤中的Intral-Class Gap GAN神经网络模型构建方法如下：/n(2.1)、采集人脸不同来源及不同表情的历史图像；/n(2.2)、对采集的人脸图像进行预处理，构建人脸表情数据集；/n(2.3)、针对(2.2)步骤中的数据集中具有类内差距的面部表情识别问题，构建Intral-Clas...

【技术特征摘要】
20190902 CN 20191082225251.一种基于Intral-ClassGapGAN的面部表情识别方法，其特征在于：
所述的识别模型构建，包括以下几个步骤：
(1)、采集人脸不同来源及不同表情的实时图像；
(2)、将该图像输入至Intral-ClassGapGAN神经网络模型进行识别；
(3)、输出识别结果；
所述(2)步骤中的Intral-ClassGapGAN神经网络模型构建方法如下：
(2.1)、采集人脸不同来源及不同表情的历史图像；
(2.2)、对采集的人脸图像进行预处理，构建人脸表情数据集；
(2.3)、针对(2.2)步骤中的数据集中具有类内差距的面部表情识别问题，构建Intral-ClassGapGAN神经网络模型；
(2.4)、结合输入图像与重构图像之间的像素差异和潜在向量的差异对网络的生成器和鉴别器进行同时训练，确保重构图像与输入图像的差异最小。


2.根据权利要求1所述的一种基于Intral-ClassGapGAN的面部表情识别方法，其特征在于：
(2.2)步骤中人脸表情数据集构建方法如下：
S11：以Multi-PIE和JAFFE表情数据集做基础，通过(2.1)步骤在网络上下载面部表情图片，进行自制所需的面部表情数据集，选择不同国家、不同年龄段、不同职业等人群的abomination、happy，neutral、anxious、surpriseandfear5种面部表情进行实验，增加了大量具有类内差距的面部表情特征的复杂度该数据集作为网络训练的输入图像x
S12：几何归一化处理所述输入图像，并对归一化处理后的图像进行人脸检测；
S13：尺度归一化所述步骤S12中的处理之后的图像，统一图像的尺寸。


3.根据权利要求2所述的一种基于Intral-ClassGapGAN的面部表情识别方法，其特征在于：步骤(2.4)中具体如下：
S14：基于步骤S13中处理的图像对基于生成对抗的IC-GAN(Intral-ClassGapGAN)神经网络的面部表情识别网络模型进行训练；
S15：对图像进行数据增强以及数据扩充处理；
S16：对所述网络模型进行训练并保存训练后的网络模型。


4.根据权利要求2所述的一种基于Intral-ClassGapGAN的面部表情识别方法，其特征在于：：所述步骤S12中包括以下几个步骤：
S121：针对采集的图像定特征点[x,y]，对两只眼睛和鼻子的特征点进行标定，得到特征点的坐标值；
S122：根据人脸上的眼睛的坐标将图像进行旋转，以保证人脸方向的一致性，其中人的眼睛的距离为d，两只眼睛的中点为O；
S123：据标定的特征点和几何模型确定包含人脸的方框，从O开始，向左和向右分别裁剪d的距离，上下方向分别取0.5d和1.5d的进行裁切。


5.根据权利要求4所述的一种基于Intral-ClassGapGAN的面部表情识别方法，其特征在于：
所述步骤S13中包括以下步骤：
S131：对步骤S123中裁切出来的图片进行尺度归一化，将图像统一resize为256*256像素的图像，完成对图像的几何归一化。


6.根据权利要求3所述的一种基于Intral-ClassGapGAN的面部表情识别方法，其特征在于：
所述步骤S14中包括以下步骤：
S141：利用pytorch深度学习框架构建所提出的IC-GAN(Intral-ClassGapGAN)神经网络，首先将S13步骤处理之后的图片输入到第一层卷积层进行卷积操作，通过4*4的卷积核对输入图像进行卷积，输出为128*128*64；再采用LeakyReLu激活函数对卷积进行非线性操作，输出为128*128*64；所述LeakyReLu激活函数为：

ai是(1,+∞)区间内的固定参数；
S142：对上一层的输出继续使用4*4的卷积核进行卷积操作，输出为64*64*128，继...

【专利技术属性】
技术研发人员：刘韵婷，陈亮，吴攀，
申请(专利权)人：沈阳理工大学，
类型：发明
国别省市：辽宁;21