一种轻量级表情识别方法、系统、介质及电子设备技术方案

本发明专利技术属于计算机视觉人脸表情识别领域，尤其为一种轻量级表情识别方法，包括如下步骤，步骤1，构建网络模型，对人脸表情图像数据集预处理，包括图像裁剪、人脸对齐、亮度与对比度调整和尺度归一化；步骤2，将处理好的数据集输入到网络模型中，对人脸表情图像进行浅层特征信息提取以及深层特征信息提取；步骤3，将步骤2提取到的特征向量输入到坐标注意力机制中，得到最终输出的特征图。本发明专利技术在网络中添加坐标注意力机制，不仅获取了通道间信息，还考虑了方向相关的位置信息，添加坐标注意力机制使网络更加关注人脸表情图像的位置信息，有助于模型更好的定位和识别目标，提升识别速率，运行时间缩短25.16毫秒，参数更少。

【技术实现步骤摘要】

本专利技术涉及计算机视觉人脸表情识别领域，尤其为一种轻量级表情识别方法、系统、介质及电子设备。

技术介绍

1、在当前表情识别领域，机器识别人脸表情的主要方法是通过检测人脸表情图像的整体信息，进而分析其中与表情相关的关键特征信息，因此，准确提取人脸关键信息是当前表情识别领域一个急需解决的问题。

2、随着计算机技术的不断发展，传统表情识别技术存在无法提取表情图像深层次特征的不足，目前主要利用计算机对图像中的人脸表情特征区域进行提取和分类，完成人脸表情识别的任务，深度学习中的卷积神经网络可以自动从大量数据中提取更深层次的本质特征，提高表情识别的准确率。

3、在现有技术中，中国专利技术专利公开号“cn115527253a”，名称为“一种基于注意力机制的轻量级人脸表情识别方法和系统”，该方法首先对人脸表情图像进行裁剪、预处理，将图像输入卷积模型中；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；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，完成本文档来自技高网...

【技术保护点】

1.一种轻量级表情识别方法，包括如下步骤，其特征在于：

2.根据权利要求1所述的一种轻量级表情识别方法，其特征在于：所述步骤1中构建的网络模型包含特征提取模块与坐标注意力模块，在将人脸图像输入到网络之前先对数据集中的图像进行预处理，包括图像裁剪、人脸对齐、亮度与对比度调整和尺度归一化。

3.根据权利要求1所述的一种轻量级表情识别方法，其特征在于：所述步骤2中的特征提取模块中包含了浅层特征信息提取模块与深层特征信息提取模块FAA模块，浅层特征信息提取模块中有三个分支的卷积层用来提取人脸表情图像的浅层特征信息，深层特征信息提取模块FAA模块中由卷积层与CBAM注意力模...

【技术特征摘要】

1.一种轻量级表情识别方法，包括如下步骤，其特征在于：

2.根据权利要求1所述的一种轻量级表情识别方法，其特征在于：所述步骤1中构建的网络模型包含特征提取模块与坐标注意力模块，在将人脸图像输入到网络之前先对数据集中的图像进行预处理，包括图像裁剪、人脸对齐、亮度与对比度调整和尺度归一化。

3.根据权利要求1所述的一种轻量级表情识别方法，其特征在于：所述步骤2中的特征提取模块中包含了浅层特征信息提取模块与深层特征信息提取模块faa模块，浅层特征信息提取模块中有三个分支的卷积层用来提取人脸表情图像的浅层特征信息，深层特征信息提取模块faa模块中由卷积层与cbam注意力模块依次连接构成，faa模块共有4个，将浅层特征信息作为深层特征信息提取模块faa模块的输入，进而提取人脸表情图像的深层特征信息。

4.根据权利要求1所述的一种轻量级表情识别方法，其特征在于：所述步骤3中的坐标注意力模块分为3个分支，上下文特征提取分支以及坐标x注意分支和坐标y...

【专利技术属性】
技术研发人员：葛微，朱云静，池守鑫，郭金鑫，范晶晶，孙志成，于永吉，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：