程学军，邢萧飞

(1.河南工业大学漯河工学院 信息工程学院，河南 漯河 462000;2.广州大学 计算机科学与网络工程学院，广东 广州 528225)

0 引 言

人脸表情是最直接、最明显的情感表达方式，对其有效的识别具有重要的理论意义和实用价值[1,2]。而实际中，光照变化致使人脸表情识别面临着各种挑战，研究有效适用性强的人脸表情识别方法显得更为迫切[3]。

对于计算机来说，人脸表情识别技术的本质是对采集图像中海量数据进行优化处理。因其采集图像存在多样性和复杂性，计算机处理系统会面临样本数据非线性不确定性的问题[4]。而传统处理方法如主成分分析、尺度不变特征转换等方法，也存在模型简单、参数设置复杂等问题。

深度神经网络则可实现对图像数据的深度提取，并基于自身网络的不断学习，对于网络模型参数也可进行及时调整，以满足识别场景多样性和表情识别准确性的需求[5,6]。

借鉴于现行深度学习技术，提出了一种利用高斯特征提取结合改进型VGG-16网络模型的人脸表情识别方法。主要创新点总结如下：

(1)为更好支撑VGG-16神经网络对被测图像的表情识别，基于改进的高斯混合模型对图像数据及采集数据进行图像重建并实现特征的提取；

(2)针对传统神经网络的图像识别忽略表情关联性问题，基于VGG-16神经网络模型对图像特征采集进行相关情感标签分布学习和正则化学习，实现判别性区分，从而提高识别准确度；

(3)面向在线表情实时识别的需求，采用小批量梯度下降法简化网络训练模型目标函数，减小运行内存，提高模型对于表情识别的时效性。……