【技术实现步骤摘要】
一种基于FPGA的二值神经网络实时面部情绪识别方法
[0001]本专利技术属于情感计算、FPGA领域异构计算领域，尤其涉及一种基于FPGA的二值神经网络实时面部情绪识别方法。
技术介绍
[0002]如今，计算机在工业领域和日常生活中发挥着极其重要的作用，正迅速成为社会发展中不可或缺的一部分。因此，研究人类与计算机之间交互问题的必要性与日俱增。当然，人机交互的前提就是一台计算机能够准确快速的分析人的情绪与意图，并据此做出恰当的反应。在面部表情中流露出的各种情感是一种普遍有效的表达人类意图的方式。通过脸部所透露的情绪来分析人的意图被称为面部情绪识别技术，这项技术被应用于多个领域，如机器人技术、安全检测领域以及近期渐热的自闭症幼儿检测。
[0003]面部情绪技术按照对特征提取方式的不同，可以分为两类：
[0004]一类是传统手工特征方法实现情绪检测。该方法包括：图像预处理、特征提取和特征分类。
[0005]图像预处理阶段通过滤波和直方图均衡化去除无关信息，增强与人脸情绪相关的信息。特征提取阶段使用局部二值模...
【技术保护点】
【技术特征摘要】
1.一种基于FPGA的二值神经网络实时面部情绪识别方法，所述方法包括：步骤1)对采集的视频图像进行预处理；步骤2)基于Harr
‑
like特征模板，采用窗口滑动机制对预处理后图像中的人脸进行检测与裁剪，并截取包含人脸图像的部分，采用圆形LBP算子对截取图像提取局部二值信息；步骤3)将提取的局部二值信息输入预先建立和训练好的面部情绪识别模型得到情绪识别结果；所述面部情绪识别模型为二值神经网络，通过在FPGA中采用同或门设计、位累计运算和阈值比较方法，进行前向推理，实现情绪识别。2.根据权利要求1所述的基于FPGA的二值神经网络实时面部情绪识别方法，其特征在于，所述步骤1)具体包括：对采集的视频图像进行分帧处理，再对分帧后的图像进行对比度和亮度增强，并对图像尺寸进行等比例的放缩。3.根据权利要求2所述的基于FPGA的二值神经网络实时面部情绪识别方法，其特征在于，所述步骤2)具体包括：基于Harr
‑
like特征模板，对预处理后的图像通过哈尔特征进行特征描述，并采用积分图加速哈尔特征的提取；采用预设尺寸的滑动窗口在特征提取后的图像上依次滑过所有位置，进行人脸检测；并逐渐增大滑动窗口的尺寸到一定倍数，重复该步骤，获得各个尺寸下可能包含人脸的检测窗口；采用AdaBoost与分类器级联结构将不同尺寸的检测窗口进行筛选，消除不同尺寸滑动窗口圈定同一目标的可能性，并返回包含人脸窗口的坐标信息；根据包含人脸窗口的坐标信息截取包含人脸图像的部分；采用圆形LBP算子对截取图像提取局部二值信息。4.根据权利要求3所述的基于FPGA的二值神经网络实时面部情绪识别方法，其特征在于，所述面部情绪识别模型的输入为局部二值信息，输出为识别结果，所述面部情绪识别模型包括依次多个级联的Block层、路由层、重排序层和多个级联的卷积层，其中，所述多个级联Block层，用于得到增强的特征图；其中每个Block层均包括卷积层、批量归一化层和池化层；所述重排序层，用于提取前端输入特征图并在其邻域内按位置进行抽样，相同位置的像素输出子图，输出的子图长宽与接下来级联的特征图长宽一致；所述路由层，用于将重排序层输出的子图与经过多个级联的Block层运算增强的特征图进行级联，并输入卷积层；所述多个级联的卷积层，用于实现最终的情绪分类任务，其中每个卷积层结构相同，卷积核大小均为1
×
1。5.根据权利要求4所述的基于FPGA的二值神经网络实时面部情绪识别...
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。