基于卷积神经网络的人脸表情识别.pdf

基于卷积神经网络的人脸表情识别 徐鹏，薄华 (上海海事大学信息工程学院，上海201306) 摘 要：传统的神经网络表情识别系统由特征提取和神经网络分类器组成，利用人的经验来获 取模式特征，很容易丢失表征表情特征的细节信息。提出一种基于卷积神经网络的识别方法，避免了 明，该方法能够取得很好的表情分类效果。 关键词：卷积神经网络；人脸表情识别 中图分类号：TP391．9 文献标识码：A Facial basedonCNN expressionrecognition Xu Hua Peng，Bo ofInformation Maritime University，Shanghai201306，China) (College Engineering，Shanghai neuralnetworkface consistsoffeatureextractionandneul’alnetwork Abstract：Traditional recognitionsystem human to the features．Itis to losefacefeatures details．This amethod experienceget pattern easy characterizing paperproposes the featureextractionofthe ofthe OUCohn— basedontheeonvolutionalneuralnetworkwithoutcomplex image．Resultsexperiment the describedinthis hasa Kanadashowthat method paper promisingperformance． neural words：convolutionalnetwork；facial Key expressionrecognition 0引言 为解决上述问题，本文提出一种基于卷积神经网络 表情识别已成为人类交流甚至人机交互过程的一个重 的识别方法，直接在输入表情图像上自动地学习多层特 要研究课题。关于面部表情识别的研究能帮助人们建立更加 征和分类。实验证明，基于卷积神经网络的表情识别有 智能化和交互性良好的计算机系统。1971年，EKMANP和 较高的精度和很好的鲁棒性。 FRIESENWV研究了6种基本表情：高兴、悲伤、惊讶、恐 1卷积神经网络 惧、愤怒和厌恶，并系统地建立了上千幅不同的人脸表情图 1988年，LECUNY等人141提出的卷积神经网络 Neural 像库【1】。由于人机交互研究的不断深入和巨大的应用前景，表 (Convolutional 情识别一直是模式识别和人工智能领域的一个研究热点。 多层网络的学习算法。CNN作为深度学习模型的一种， 在过去的几十年内．研究者已经提出了很多基于神 通过局部空间映射关系减少需要训练的参数数目来提 G 经网络(Back 高反向传播算法的训练性能。2012年，HINTO