文献类型：期刊文章

作　　者：徐琳琳[1] 张树美[1] 赵俊莉[1]

Xu Linlin;Zhang Shumei;Zhao Junli(College of Data Science and Software Engineering,Qingdao University,Qingdao 266071,China)

机构地区：[1]青岛大学数据科学与软件工程学院,青岛266071

出　　处：《中国图象图形学报》

基　　金：国家自然科学基金项目(41501698);国家自然科学基金青年科学基金项目(61702293);虚拟现实应用教育部工程研究中心开放基金项目(MEOBNUEVRA201601)~~

年　　份：2019

卷　　号：24

期　　号：2

起止页码：227-236

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：目的表情识别在商业、安全、医学等领域有着广泛的应用前景,能够快速准确地识别出面部表情对其研究与应用具有重要意义。传统的机器学习方法需要手工提取特征且准确率难以保证。近年来,卷积神经网络因其良好的自学习和泛化能力得到广泛应用,但还存在表情特征提取困难、网络训练时间过长等问题,针对以上问题,提出一种基于并行卷积神经网络的表情识别方法。方法首先对面部表情图像进行人脸定位、灰度统一以及角度调整等预处理,去除了复杂的背景、光照、角度等影响,得到了精确的人脸部分。然后针对表情图像设计一个具有两个并行卷积池化单元的卷积神经网络,可以提取细微的表情部分。该并行结构具有3个不同的通道,分别提取不同的图像特征并进行融合,最后送入Soft Max层进行分类。结果实验使用提出的并行卷积神经网络在CK+、FER2013两个表情数据集上进行了10倍交叉验证,最终的结果取10次验证的平均值,在CK+及FER2013上取得了94. 03%与65. 6%的准确率。迭代一次的时间分别为0. 185 s和0. 101 s。结论为卷积神经网络的设计提供了一种新思路,可以在控制深度的同时扩展广度,提取更多的表情特征。实验结果表明,针对数量、分辨率、大小等差异较大的表情数据集,该网络模型均能够获得较高的识别率并缩短训练时间。

关 键 词：表情识别 深度学习  卷积神经网络 并行处理 图像分类

分 类 号：TP391.4]