张宝薪，孟凡轩，靳展

基于深度学习的图像人脸识别方法研究

张宝薪，孟凡轩，靳展＊

（齐齐哈尔大学 通信与电子工程学院，黑龙江 齐齐哈尔 161000）

使用计算机进行面部表情识别是当前人脸面部表情识别的热点，在深度学习技术的基础上，应用级联分类器对面部进行整体检测和分区定位后，提出并使用了一种基于自注意力机制的深度卷积神经网络，模型采用Mini-Xception为基本网络融合了注意力机制，再通过训练卷积神经网络构建表情分类模型，最后实现较为快速准确的表情识别。文中采用几种方法进行实验对比，并对最终的实验结果加以分析。结果表明，在相同的参数设置下提出的方法能明显提高分类性能、识别的精准度以及面部表情变化检测的实时速度。

深度学习；卷积神经网络；图像分类；图像识别

人类的表情复杂多变，喜怒形于色说的就是表情是人们表达内心情绪最直接有效的方式之一，所以对于人脸表情识别技术方向的研究被一致认为是未来人机情感交互的重要发展对象[1]。

经过心理学专家们的不断研究实验发现，人类面部的情绪表达大体可以归为六种，分别是：厌恶（Disgust)、生气（Angry）、高兴（Happiness）、恐惧（Fear）、悲伤（Sadness），以及惊讶（Surprise）[2], 在实际复杂的生活情况下为了和无表情有所区分，一般还增加一类：正常（Neutral），共计7种基础表情，如图1所示。在这个时代站在潮流顶端的技术无疑是人工智能，在这个领域中本文提出的人脸表情识别技术更是在医疗、家居、刑侦等多方面表现出极高的效率，这项技术作为目前研究的热点，其关键在于图像预处理、人脸检测和表情分类[3]这三部分，如图2所示。……