一种基于多尺度特征提取的人脸表情识别模型制造技术

本发明专利技术涉及图像处理技术领域，具体涉及一种基于多尺度特征提取的人脸表情识别模型，包括从当前表情数据库中获取训练样本，采用训练样本对3D卷积神经网络进行训练，并保存训练得到的网络模型，从历史表情数据库中获取测试样本，采用测试样本对训练得到的网络模型进行测试，并保存测试后的网络模型，从3D卷积神经网络的最后一层全连接层提取特征向量，输入到线性SVM分类器中进行训练，所述的历史表情数据库中存储有与当前表情数据库属于同一人物的历史表情数据，调取的测试样本包括与训练样本中标记为同一人物的历史表情数据。采用本发明专利技术方案，可以自行验证训练样本和测试样本的可靠性，以提高人脸表情识别的准确性。以提高人脸表情识别的准确性。以提高人脸表情识别的准确性。

【技术实现步骤摘要】
一种基于多尺度特征提取的人脸表情识别模型


[0001]本专利技术涉及图像处理
，具体涉及一种基于多尺度特征提取的人脸表情识别模型。

技术介绍

[0002]随着机器学习和深度神经网络两个领域的迅速发展以及智能设备的普及，人脸识别技术正在经历前所未有的发展。目前，基于这项技术的市场发展和具体应用正呈现蓬勃发展态势。面部表情是面部肌肉的一个或多个动作或状态的结果。这些运动表达了个体对观察者的情绪状态。面部表情是非语言交际的一种形式。它是表达人类之间的社会信息的主要手段，人脸表情识别(facialexpression recognition,FER)作为人脸识别技术中的一个重要组成部分，近年来在人机交互、安全、机器人制造、自动化、医疗、通信和驾驶领域得到了广泛的关注。
[0003]在现有技术中，有采用3D卷积神经网络进行训练而得到用于人脸表情识别的网络模型技术，即随机从同一表情数据库获取到训练集后，将训练集按照预先设定比例划分为训练样本和测试样本，通过训练样本对3D卷积神经网络进行训练，通过测试样本对3D卷积神经网络进行测试，虽然能得到网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度特征提取的人脸表情识别模型，其特征在于：包括从当前表情数据库中获取训练样本，采用训练样本对3D卷积神经网络进行训练，并保存训练得到的网络模型，从历史表情数据库中获取测试样本，采用测试样本对训练得到的网络模型进行测试，并保存测试后的网络模型，从3D卷积神经网络的最后一层全连接层提取特征向量，输入到线性SVM分类器中进行训练，所述的历史表情数据库中存储有与当前表情数据库属于同一人物的历史表情数据，调取的测试样本包括与训练样本中标记为同一人物的历史表情数据。2.根据权利要求1所述的基于多尺度特征提取的人脸表情识别模型，其特征在于：输入待测图像，从3D卷积神经网络的最后一层全连接层提取特征向量，输入到线性SVM分类器中进行一次分类。3.根据权利要求2所述的基于多尺度特征提取的人脸表情识别模型，其特征在于：调取待测图像中人物的历史图像集，从历史图像集中调取与本次...

【专利技术属性】
技术研发人员：韦鹏程，颜蓓，黄思行，
申请(专利权)人：重庆第二师范学院，
类型：发明
国别省市：