一种基于深度学习的表情识别方法.pdfVIP

计 算 机 与 现 代 化 2015年第 1期 JISUANJIYUXIANDAIHUA 总第 233期 文章编号：1006-2475(2015)01-0084-04 一 种基于深度学习的表情识别方法 王剑云 ，李小霞 (1．特殊环境机器人技术四川省重点实验室，四川 绵阳 621010； 2．西南科技大学信息工程学院，四川 绵阳 621010) 摘要：针对人脸表情识别鲁棒性差，容易受身份信息干扰的问题，提 出一种具有局部并行结构的深度神经网络识别算法。 首先使用稀疏 自编码算法训练得到不同尺度的卷积核，然后提取卷积核特征并作池化处理，使特征具有一定的平移不变 性，最后采用与表情相关的7个并行的4层网络得到最终的分类结果。实验结果表明，在标准的人脸表情识别库上进行 独立测试时，本文提出的局部并行深度神经网络的表情识别方法对测试集的人不出现在训练集中的情况有较好表现，相 比其他算法更具有实用性。 关键词：表情识别；深度学习；神经网络；稀疏 自编码 中图分类号：TP391．4 文献标识码 ：A doi：10．3969／j．issn．1006-2475．2015．01．017 A FacialExpressionRecognitionM ethodBasedonDeepLearning WANGJian—yun ，_．LIXiao—xia，。 (1．RobotTechnologyUsedforSpeciMEnvironmentKeyLaboratoryofSichuanProvince，Mianyang621010，China； 2．SchoolofInformationEngineering，SouthwestUniversityofScienceandTechnoloyg，Mianyang621010，China) Abstract：Accordingtotheproblem thattraditionalfacial expressionrecognition method couldnotactarobustperfomr ance，we proposena algorithm basedondeeplearning．Firstofall，wetraintwosparseautoencoderintwoSCales，andtheparameterofthe hiddenlayershouldbeaseriesofconvolutionalkernel，weusethesekernelstoextractfirst-layerfeatures．Thenwegetsecond—layer featuresthroughmax-poolingoperators，itimprovestheinvarinaeeofthefeatures．Finallywepraallelizesevenfour—layersneural networkstoaccomplishtherecognitiontask．Th eexperimentresultshowsthisdeepneuralnetworksstructureactarobustperform- anceinfacial expressionrecongitiontaskinthecaseofthetestsamples’ID informationdidnotappearinthetrainingsma ples． Keywords：facialexpressionrecognition；deeplearning；neuralnetworks；autosparseencoder 后深度学习技术在人脸识别任务 中得到更多的应用， 0 引 言 2012年Bengio等人在深度学习框架之下提出了一种