基于图像差分与卷积深度置信网络的表情识别
针对传统的人脸表情识别方法中提取表情特征时没有去除个体性差异及突出表情关键部位的高层次特征,本文提出一种将图像差分与改进的卷积深度置信网络(CDBN)相结合的表情识别方法.首先对人脸表情图片进行裁剪、降维等预处理,之后将各类表情图像与中性表情图像做差分运算提取各类表情的差分图像,为了提取表情关键部位的深层次特征,本文将卷积受限玻尔兹曼机(CRBM)的可见层单元划分为多个区域,分区进行特征学习,并将此CRBM堆叠起来,形成分区卷积深度置信网络(PCDBN),之后将各表情的差分图像作为PCDBN可视层的输入,并利用对比散度算法逐层训练网络,最后在顶层添加softmax分类器作为输出层以实现表情识别.在JAFFE和CK+表情库上的实验结果均达到了95%以上的识别率,扩大训练样本后,在CK+表情库上的识别率可达99%以上.
表情识别、图像差分、深度学习、卷积深度置信网络
29
TP391.4(计算技术、计算机技术)
国家自然科学基金;浙江省自然科学基金;宁波市自然科学基金;国家重点实验室开放基金
2018-12-14(万方平台首次上网日期,不代表论文的发表时间)
共9页
1228-1236