基于卷积神经网络的部分遮挡人脸表情识别

崔向东 崔婧楠

(1. 安徽和信科技发展有限责任公司 安徽合肥 230001; 2. 华南理工大学 广东广州 510006)

基于卷积神经网络的部分遮挡人脸表情识别

崔向东1崔婧楠2

(1. 安徽和信科技发展有限责任公司 安徽合肥 230001; 2. 华南理工大学 广东广州 510006)

针对传统的表情识别中特征提取方法受光照、遮挡等影响，不能很好地描述人脸特征，鲁棒性差等问题，将卷积神经网络用于部分遮挡人脸表情识别。该方法通过使用可训练的卷积核提取隐式的特征，采用最大池化方法对提取的隐式特征进行降维处理，最后采用Softmax分类器对遮挡的表情进行分类识别。实验结果表明该算法具有较高的识别准确率，并且具有较好的鲁棒性。

特征提取； 表情识别； 卷积神经网络

0 引言

表情识别已成为人类交流甚至人机交互过程的一个前沿课题。目前，多数的表情识别算法主要研究正面无遮挡的表情图像。但在实际生活中，表情遮挡时有发生，致使算法的识别率与鲁棒性下降。因此，针对局部遮挡条件下的人脸表情图像，提出更为鲁棒的人脸表情识别算法，已经成为计算机智能化应用领域的研究热点。

针对遮挡的表情识别，现已提出很多种方法。Buciu等[1]分析嘴巴、眼睛、鼻子、左边或右边脸被遮挡时，对表情识别正确性的影响程度，但对如何鲁棒识别出遮挡人脸的表情，没有提出有效方法。薛雨丽等[2]提出先用鲁棒主成分分析法和显著性检测法重构被遮挡像素，然后对去除遮挡的图像进行表情识别。……