一种基于集成卷积网络的人脸表情识别方法及系统技术方案

本发明专利技术涉及一种基于集成卷积网络的人脸表情识别方法，包括：获取原始图像数据；对获取的原始图像数据进行预处理，得到训练集和测试集；构建集成卷积网络模型：集成卷积网络模型由共享卷积层和集成卷积分支两部分组成；对集成卷积网络模型进行训练；将待识别的人脸表情图像输入到训练后的集成卷积网络模型中，训练后的集成卷积网络模型输出最终的识别结果，即人脸表情对应的分类标签。本发明专利技术还公开了基于集成卷积网络的人脸表情识别系统。本发明专利技术减少冗余和计算负载，同时保持多样性和泛化能力，通过共享卷积层自动提取人脸图像特征，捕捉微妙表情差异，显著提升识别准确度；有效地克服了传统方法的限制，提高了人脸表情识别的效率和准确性。

【技术实现步骤摘要】

本专利技术涉及人脸表情识别，尤其是一种基于集成卷积网络的人脸表情识别方法及系统。

技术介绍

1、在当代数字化社会，人机交互和情感分析成为了人工智能领域的热门研究方向。人脸表情识别作为情感分析的重要组成部分，具有广泛的应用前景，涵盖了情感研究、智能用户体验、社交媒体、虚拟现实、智能驾驶等领域。然而，由于人脸表情的多样性和复杂性，传统方法和部分基于深度学习的技术仍然存在一些显著的缺点和限制。

2、传统方法主要有以下缺点。传统方法通常基于手工提取的特征，如lbp、hog等，这些特征通常需要基于领域专业知识，并且难以适应不同场景的变化，这种依赖性导致了在不同数据集上的表现差异，同时也限制了方法的泛化能力；传统方法容易受到光照变化和遮挡的影响，导致在真实场景中的应用受限，人脸表情受光照变化和遮挡影响较大，传统方法在处理这些干扰时表现不佳；人类的情感表达非常多样，传统方法往往无法准确地区分不同的情感状态。

3、现有基于深度学习的人脸识别技术也存在一些缺点。深度学习模型通常具有复杂的结构，需要大量的计算资源和时间来训练，这限制了这些方法在资源受限本文档来自技高网...

【技术保护点】

1.一种基于集成卷积网络的人脸表情识别方法，其特征在于：该方法包括下列顺序的步骤：

2.根据权利要求1所述的基于集成卷积网络的人脸表情识别方法，其特征在于：所述步骤(2)具体包括以下步骤：

3.根据权利要求1所述的基于集成卷积网络的人脸表情识别方法，其特征在于：所述步骤(3)具体包括以下步骤：

4.根据权利要求1所述的基于集成卷积网络的人脸表情识别方法，其特征在于：所述步骤(4)具体包括以下步骤：

5.根据权利要求1所述的基于集成卷积网络的人脸表情识别方法，其特征在于：在步骤(5)中，所述人脸表情对应的分类标签一共有8种，分别是中性、快乐、...

【技术特征摘要】

1.一种基于集成卷积网络的人脸表情识别方法，其特征在于：该方法包括下列顺序的步骤：

2.根据权利要求1所述的基于集成卷积网络的人脸表情识别方法，其特征在于：所述步骤(2)具体包括以下步骤：

3.根据权利要求1所述的基于集成卷积网络的人脸表情识别方法，其特征在于：所述步骤(3)具体包括以下步骤：

4.根据权利要求1所述的基于集成卷积网络的人脸表情识别方...

【专利技术属性】
技术研发人员：陈鹏，徐畅，章军，夏懿，郑春厚，王兵，梁栋，
申请(专利权)人：安徽大学，
类型：发明
国别省市：