基于人脸分割的复杂环境下表情识别实时框架

摘要：

复杂环境下人脸表情识别由于人脸姿势、遮挡及光照等因素影响,相较于可控环境下的人脸表情识别具有更高的挑战性.针对复杂环境下人脸表情识别精度低以及现阶段用于表情识别的网络结构复杂造成的识别效率低等问题,提出了一种基于人脸分割的复杂环境下表情识别实时框架.该框架包括用于人脸区域分割的FsNet(Face segmentation Network)和用于表情识别的TcNet(Tiny classification Network).FsNet旨在分割出对表情识别最相关的人脸区域以提升TcNet识别精度,其训练数据集基于已有数据集构建.两个网络的结构设计均趋于精简化以保证整体框架的实时性需求.在FER-2013和RAD-DB两个复杂场景人脸表情数据库上的实验表明,人脸区域分割的方式有利于提高复杂环境下人脸表情的识别率,且整体框架在保证实时性的同时达到了良好的识别效果.

关键词：表情识别、人脸分割、卷积神经网络、实时

所属期刊栏目：56

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金No.61373107

在线出版日期：2020-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：134-140