使用卷积神经网络的人脸情绪识别

人脸表情因人而异，且每张随机图像的亮度、对比度和分辨率均不同。这正是人脸识别表情极为困难的原因。本文提出一种高效的七类基本人类情绪（愤怒、厌恶、恐惧、高兴、悲伤、惊讶和中性）面部情绪识别系统，使用卷积神经网络 (CNN) 预测并为每种情绪分配概率。由于深度学习模型从数据中学习，因此我们所提系统对每幅图像进行多种预处理步骤以获得更好预测。每幅图像首先经过人脸检测算法以纳入训练数据集。由于 CNN 需要大量数据，我们通过在各图像上应用多种滤波器来复制数据。尺寸为 80*100 的预处理图像作为输入传入 CNN 的第一层。使用了三个卷积层，其后接一个池化层和三个全连接层。全连接层的丢弃率为 20%。模型通过合并两个公开数据集 JAFFE 和 KDEF 进行训练。90% 的数据用于训练，10% 用于测试。使用合并数据集我们取得了 78.1% 的最高准确率。此外，我们设计了具有图形用户界面的所提系统应用，可实时分类情绪。