RRA-InceptionV3结合鲁棒稀疏表示的表情识别方法

摘要：

针对现实场景中人脸局部遮挡导致的表情识别准确度较低的问题,提出一种RRA-InceptionV3结合鲁棒稀疏表示的表情识别方法.将人脸图像通过多支路卷积运算和空洞卷积模块来获取丰富的表情特征,基于Asm-CBAM卷积注意力机制划分人脸表情特征的权重并进行多特征融合,随后堆叠密集残差模块,从多通道中自适应提取人脸特征信息,通过Asm-CBAM卷积注意力机制提高网络对人脸关键特征的注意力.在此基础上,利用鲁棒稀疏表示分类器方法对表情进行分类.在人脸数据集FER2013和CK+上的实验结果表明,该方法的人脸表情平均识别精度分别达到79.86%和98.74%,与OAD Net算法相比,分别高出7.50和3.14个百分点,能够高效提取人脸表情特征.此外,在人脸被遮挡的情况下具有较强的鲁棒性,有效提高了在人脸遮挡情况下表情识别的准确度.

关键词：表情识别、局部遮挡、鲁棒稀疏表示分类器方法、密集残差、Asm-CBAM模块、空洞卷积

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省研究生创新计划项目

在线出版日期：2023-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：196-203