梁 雁，刘广峰

（江苏科技大学苏州理工学院，江苏 苏州 215600）

随着科技的快速发展，人脸识别功能应用于多个智能领域，这种通过计算机运算快速、精准识别一个人身份的科学依据就是每个人面部表情独特性。早期有科学家指出，人的面部表情主要有高兴、悲伤、愤怒、厌恶、惊奇、恐惧6种。通过计算机技术实现智能人脸识别的应用前景十分广阔，比如，利用智能人脸识别技术可以进行人与机器人之间的“交流”；在医学领域可以应用于人面部瘫痪情况的诊断；在公安系统中可以利用犯罪分子的面部表情对其供词的真实程度进行监控等。

现在用于支撑智能人脸识别技术的科学研究内容主要包括基于几何特征和代数特征的方法。随着科学技术的不断进步，人工智能得到了极为广泛的应用，同时，现阶段下不断精进的机器学习，以及逆向传播（Back Propagation，BP）神经网络和卷积神经网络（Convolutional Neural Network，CNN）模型的应用，使得人面部表情能够获得更加精准、更加灵敏的识别，同时整个人脸识别系统的信息的可靠性和系统的稳定性也获得了极大提升[1]。但由于人的面部表情的多变、复杂，传统模型在进行运算时往往负载过大，拖慢计算的速度且降低计算的精度，这是传统模型存在的一个明显不足。因此本文主要以CNN 算法模型对多种渠道收集到的人面部表情图片进行运算，使用Opencv 捕捉人的面部表情，从而探讨CNN 模型进行人脸识别的准确度与运算速度问题。

1 主要算法

1.1 卷积……

登录APP查看全文