南京邮电大学 尚宇成 林发学 陈格恩

现今人类表达情感的方式极为丰富，包括面部表情、语气语调、甚至网上聊天的一个标点符号都是情感的体现，但是，面部表情是人类表达情绪最直接、最有效的方式。即使身在异地的二人，视频通话的方式也可将二人情感表达地淋漓尽致。深度学习实现人脸情绪识别一直是研究的热点方向之一，人脸情绪识别也可以广泛的应用于教育、辅助治疗、人机交互等领域。

本文的目的是在已有的CNN主流框架Xception模型的基础上进行改进，使得模型在减少训练参数的同时可以快速准确地识别人脸情绪。再结合Opencv中的人脸检测分类器，实现对视频中的人脸提取，完成人脸情绪识别的实时情绪检测系统。

1 技术

1.1 Xception网络

Xception是卷积神经网络的主流框架之一，包括36个卷积层14个模块，使用深度可分离卷积来替换Inception V3中卷积模块，且加入Residual learning的结构，除了第一以及最后一个模块，中间模块都有残差连接。Xception网络与Inception网络极为相似，但仍略有不同。前者首先执行通道空间卷积操作，每一次卷积操作之后加入批归一化和激活函数RELU。中间的模块采用残差直连结构，可以减少网络复杂性，在数据量很大的图像分类数据集上，训练效果显著优于Inception V3。

1.2 Opencv

Opencv是开源的跨平台计算机视觉库，是研究计算机视觉的有力工具。本文基于Windows平台，使用Python语言进行代码编写，Opencv主要用于视频实时读取和人脸检测。在Pycharm中安装Opencv-Python来调用。视频读取用到了Opencv中的VideoCapture类，其可以实现读取本地视频和读取摄像头视频。……