一种基于改进稠密卷积神经网络的表情识别方法

人的表情包含大量信息,可用于显示人的很多情感状态,例如疲劳和疼痛的表情等.卷积神经网络(CNN)是一种识别人脸表情的有效方法,它可以同时执行特征提取和分类,并可以自动发现数据中的多个表情特点.针对卷积神经网络参数大以及传统表情识别方法准确率不高的问题,提出一种基于改进的稠密卷积神经网络的面部表情识别模型.首先通过使用Gabor滤波器初始化第一层卷积层;然后采用一种对数线性函数(LLU)进行网络优化,该模型中的特征重用和参数压缩技术提高了网络的学习能力,大大减少了模型参数;最后基于此模型设计了一个表情识别系统,该系统能够准确地识别照片上的表情和在线识别人脸表情.实验结果表明,该模型可以显著提高三个表情数据集的准确率,并能很好地识别人脸表情.