基于超分辨率重建的低分辨率表情识别的研究
2021-08-02 03:35:24潘沛生
计算机技术与发展
2021年7期
王 珏，潘沛生
(南京邮电大学 通信与信息工程学院，江苏 南京 210003)
0 引 言
近年来，人脸表情识别技术在医学研究、案件侦破、自动驾驶等领域[1-2]有着广泛的应用。但受限于目前的监控系统，绝大多数都是远距离的场景下，获得的人脸表情图像是视觉模糊和小尺寸的，该文将这类图像称为低分辨率人脸表情图像，这类图像具有较少的表情特征，所以低分辨率的人脸表情识别是极其困难的。目前研究低分辨率人脸表情识别课题的方向较少，其中张灵等人[3]利用压缩感知理论重建低分辨率疲劳表情图像；李桂峰[4]采用基于块和基于像素提出的正则化方法对低分辨率微表情图像进行处理。传统算法重建的图像会出现丢失细节、边缘模糊的问题。研究表明，深度学习在图像超分辨率重建[5-8]和识别领域[9-11]比传统方法取得了更好的效果。针对上述问题，该文提出一种基于深度学习的超分辨率重建算法用于对低分辨率面部图像进行表情识别。
1 算法框架
提出的低分辨率人脸表情识别的系统流程如图1所示。该算法主要包括两个子网络：基于新的混合损失函数的超分辨率重建网络和基于小尺度卷积核的人脸表情识别网络。具体操作流程是：先将低分辨率人脸表情图像输入超分辨率重建网络从而生成高分辨率人脸表情图像，然后对该人脸表情图像进行特征提取并实现分类即表情识别。
图1 低分辨率人脸表情识别系统流程
