一种基于注意力机制的轻量级人脸表情识别方法和系统技术方案

本发明专利技术涉及一种基于注意力机制的轻量级人脸表情识别方法和系统，包括以下步骤：建立卷积模型，对数据集的图片进行裁剪，并对图片进行预处理，将预处理后的图片输入卷积模型中；图片在卷积模型中进行特征提取、注意力机制重标定、和下采样操作，得到最终输出的特征图；将特征图中的向量进行表情分类，得到识别结果；建立损失函数模型，使用识别结果训练模型参数并测试，完成人脸表情识别。引入GhostNet网络中的Ghost卷积减少逐点卷积的参数量，为了消除表情无关因素的干扰，改进了坐标注意力机制能够同时关注表情图像的位置信息和上下文信息，增大人脸表情图像关键区域的权重，提高识别的性能，相较于常规表情识别方法，模型参数量更少，识别准确率更高。识别准确率更高。识别准确率更高。

【技术实现步骤摘要】
一种基于注意力机制的轻量级人脸表情识别方法和系统


[0001]本专利技术涉及计算机视觉人脸图像处理领域，更具体地，涉及一种基于注意力机制的轻量级人脸表情识别方法和系统。

技术介绍

[0002]机器分辨人的情绪，最主要的方式就是通过检测人脸全局信息，然后筛选表情相关的关键信息进行分析。因此，如何快速、准确的提取人脸表情的关键信息是当前表情识别领域亟需解决的一个问题。
[0003]早期的人脸表情识别大都是使用传统图像处理方法和机器学习方法，然而这些方法存在无法提取表情图像深层次特征的缺陷，尤其是当表情图像含有一些复杂的背景信息时，识别的准确率将会大大地降低，已经无法满足当前的表情识别任务需求。近年来，随着深度学习技术在计算机视觉领域的大力发展，大量优秀的卷积神经网络模型被用于表情识别，通过堆叠卷积层数、添加注意力机制、改进损失函数等都取得了不错的识别成绩，但这些卷积神经网络方法的参数通常都非常的多，模型结构也比较复杂。对表情识别这种实时性要求高的任务而言，已有方法均不是一种好的选择。
[0004]现有的技术中，中国专利技术专利提供了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制的轻量级人脸表情识别方法，其特征在于，包括以下步骤：S1：建立卷积模型，对数据集的图片进行裁剪，并对图片进行预处理，将预处理后的图片输入卷积模型中；S2：图片在卷积模型中进行轻量级Ghost卷积特征提取、注意力机制重标定、和下采样操作，得到最终输出的特征图；S3：将特征图中的向量进行表情分类，得到识别结果；S4：建立损失函数模型，使用识别结果训练模型参数并测试，完成人脸表情识别。2.根据权利要求1所述的一种基于注意力机制的轻量级人脸表情识别方法，其特征在于，在步骤S1中，将输入图片进行随机裁剪为48
×
48，并进行小角度旋转和水平翻转。3.根据权利要求2所述的一种基于注意力机制的轻量级人脸表情识别方法，其特征在于，在步骤S2中，轻量级特征提取包括以下步骤：使用1
×
3和3
×
1的卷积提取特征，然后用Ghost卷积代替逐点卷积提取特征；重复上述操作，再与输入的图片拼接得到特征图；然后对通道进行混洗操作，得到最终的输出特征图。4.根据权利要求2所述的一种基于注意力机制的轻量级人脸表情识别方法，其特征在于，在步骤S2中，下采样操作包括以下步骤：使用3
×
3，步长为2的深度卷积，进行下采样操作，输出的特征图尺寸减半；使用全局平均池化层和1
×
1卷积代替最后一个下采样操作，得到输出特征图1024
×1×
1。5.根据权利要求2所述的一种基于注意力机制的轻量级人脸表情识别方法，其特征在于，在步骤S3中，将全局平均池化层得到的特征送入全连接层，具体操作为：将1024个向量映射为7个向量送入分类器进行表情分类，得到最终的识别结果。6.根据权利要求2所述的一种基于注意力机制的轻量级人脸表情识别方法，其特征在于，在步骤S4中，所述函数模型使用Pytorch框架搭建，使用Fer2013数据集...

【专利技术属性】
技术研发人员：罗明杰，冯开平，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：