一种人脸表情识别方法技术

本发明专利技术涉及图像识别领域，具体提供了一种人脸表情识别方法，将原始数据样本通过归一化进行预处理，使原始数据样本变为标准正态分布或者范围在0～1的分布,利用两个并行卷积神经网络来提取图片数据的特征；然后通过全连接层将特征合并；最后在测试数据时使用奇异值分解降低测试集的噪音干扰，进行表情识别。与现有技术相比，本发明专利技术在数据集存在干扰数据的情况下，相比于传统的卷积神经网络具有更高的准确率，训练模型更加稳，对于人脸微表情识别更加准确。准确。准确。

【技术实现步骤摘要】
一种人脸表情识别方法


[0001]本专利技术涉及图像识别领域，具体提供一种人脸表情识别方法。

技术介绍

[0002]近年来,卷积神经网络在视觉识别，图像识别中取得了不错的成果。2012年，Sutskever等在Image Net的图像分类竞赛中提出的Alex Net结构取得冠军之后，卷积神经网络开始成为计算机视觉方向广泛研究的对象。
[0003]随着不断在结构上进行调整，使得网络层数增加，适用性更大，其中最典型的有VGG(Visual Geometry Group)、Res Net、Google Net等。然而这些网络结构在人脸表情识别中会出现网络复杂度高，训练参数量过大，分类效果差以及严重的过拟合现象。因此在计算机视觉领域中表情识别(Face Expression Recognition,FER)一直是一个富有挑战性的问题，尤其传统卷积神经网络对于人脸微表情识别的泛化能力差的问题。

技术实现思路

[0004]本专利技术是针对上述现有技术的不足，提供实用性强的人脸表情识别方法。
[0005]本专利技术解决其技术问本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸表情识别方法，其特征在于,将原始数据样本通过归一化进行预处理，使原始数据样本变为标准正态分布或者范围在0～1的分布,利用两个并行卷积神经网络来提取图片数据的特征；然后通过全连接层将特征合并；最后在测试数据时使用奇异值分解降低测试集的噪音干扰，进行表情识别。2.根据权利要求1所述的一种人脸表情识别方法，其特征在于，进行预处理使原始数据样本变为标准正态分布或者范围在0～1的分布时，具体过程为：1)、计算每一批次的样本均值μ
B
和方差σ
B
；2)、计算标准化后的输出；3)、缩放和平移；4)、在训练过程中不断进行调整。3.根据权利要求2所述的一种人脸表情识别方法，其特征在于，在步骤1)、计算每一批次的样本均值μ
B
和方差σ
B
：：2)、计算标准化后的输出：ε是一个微小值，主要作用是防止分母为0,批次归一化是将该批次中处于同一层的数据通过标准正态分布进行统一,标准正态分布后的数据在训练过程中收敛明显加快，不容易陷入局部最优值。4.根据权利要求3所述一种人脸表情识别方法，其特征在于，在步骤3)、缩放和平移：在标准化之后，会紧接着对数据做缩放和平移：4)、式中γ和β是可训练的参数，在训练过程中不断进行调整。5.根据权利要求4所述一种人脸表情识别方法，其...

【专利技术属性】
技术研发人员：张翠，
申请(专利权)人：浪潮通信信息系统有限公司，
类型：发明
国别省市：