重庆师范大学计算机与信息科学学院 张领 朱原雨润 王晶仪

针对自闭症儿童鉴定在医疗方面没有具体的诊断标准等问题，提出了一种基于人脸表情识别的自闭症儿童辅助诊断模型。该模型以神经网络模型来提取表情特征，最终进行表情分类。首先创建图像采集模块，通过系统采集儿童面部表情视频序列，向网络模型提供采集数据集；利用神经网络模型的表情分类，对相应视频帧进行时间段数据检测，并保存相应表情强度数据；最终，将正常儿童与自闭症儿童表情强度数据细化对比。

面部表情是人体语言的一部分，是对心理情感的一种表露，是情感传递的重要方法。传播学家Mehrabian[1]通过实验提出在情绪的表达中，面部表情所占比重高达55%，由此可见，人脸表情识别（Facial Expression Recognition，FER）是非常具有现实价值的研究课题。1971年，由心理学家Ekman[2]和Friesen把基本表情划分为6种，分别为高兴、伤心、惊讶、恐惧、愤怒和厌恶。尽管不同人类之间有所差异，但这些表达情感的方式是人类共有的。

随着深度学习的崛起，卷积神经网络（Convolutional Neural Network，CNN）凭借自身强大的特征提取能力被广泛应用在计算机视觉领域，如图像分类、目标检测等任务。人脸表情识别也属于图像分类任务的一种，因此许多经典的卷积神经网络模型，如LeNet[3]、VGG[4]、ResNet[5]等常被作为基础网络用在人脸表情识别任务上，并在此基础上进行改进优化，从而达到提升模型识别表情准确率的目的。例如，文献[6]通过深度学习网络来提取特征，并用L2正则化和支持向量机结合的方式替代Softmax函数，提升了模型在人脸表情识别上的准确率。……