公开(公告)号：CN111582059A

公开(公告)日：2020-08-25

申请号：CN202010313704.X

申请日：2020-04-20

Applicant: 哈尔滨工程大学

Inventor： 董红斌 ,  许劲 ,  张万松 ,  杨磊

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明属于视觉图像处理领域，尤其涉及人脸表情识别技术领域，具体涉及一种基于变分自编码器的人脸表情识别方法。本发明首先利用卷积神经网络预测输入人脸图像的面部姿势，并且通过改进损失函数和调整人脸边界框的边距大小提高面部姿势估计的准确度，然后将经过处理的人脸图像输入到变分自编码器中，通过给定人脸图像中姿势和表情属性的概率分布，生成不同姿势和表情的人脸图像来扩充表情识别模型的训练集，从而解决模型在训练的过程中，由于头部姿势偏转造成的识别精度不高和缺乏足够的训练数据造成的过拟合问题。最后利用生成图像和原始图像一起作为训练数据对分类器模型进行训练，实现非正面人脸表情识别。

公开(公告)号：CN111582059B

公开(公告)日：2022-07-15

申请号：CN202010313704.X

申请日：2020-04-20

Applicant: 哈尔滨工程大学

Inventor： 董红斌 ,  许劲 ,  张万松 ,  杨磊

IPC: G06V40/16 ,  G06V10/774 ,  G06K9/62

Abstract: 本发明属于视觉图像处理领域，尤其涉及人脸表情识别技术领域，具体涉及一种基于变分自编码器的人脸表情识别方法。本发明首先利用卷积神经网络预测输入人脸图像的面部姿势，并且通过改进损失函数和调整人脸边界框的边距大小提高面部姿势估计的准确度，然后将经过处理的人脸图像输入到变分自编码器中，通过给定人脸图像中姿势和表情属性的概率分布，生成不同姿势和表情的人脸图像来扩充表情识别模型的训练集，从而解决模型在训练的过程中，由于头部姿势偏转造成的识别精度不高和缺乏足够的训练数据造成的过拟合问题。最后利用生成图像和原始图像一起作为训练数据对分类器模型进行训练，实现非正面人脸表情识别。