基于神经网络模型融合的微笑识别系统  

Smile Recognition System Based on Neural Network Model Fusion

作　　者：杨飞 金一副 竺长安[1] 李宽 

机构地区：[1]中国科学技术大学精密机械与精密仪器系

出　　处：《工业控制计算机》2019年第7期82-83,87,共3页Industrial Control Computer

摘　　要：在过去的几年,微笑识别已经成为重要的研究课题,并已经广泛应用于人机交互系统等多个领域。人们在表达表情方面存在很大差异,然而,在真实环境下,拍摄的面部图像受到各种环境因素的影响,包括光、姿势、面部遮挡、背景环境和照片质量。所有这些约束都大大增加了微笑识别的难度。微笑是最常见的表情方式,尽管如此,在户外环境下笑脸识别仍然是一项重大挑战。提出了一种基于神经网络模型融合的微笑识别系统。微笑识别系统包含面部图像预处理和表情识别两个阶段。表情识别系统的核心是根据神经网络模型融合思想构建CNN融合框架,CNN融合框架融合了3个CNN神经网络,利用迁移学习技术和损失函数调参技术优化CNN融合框架的性能,结合面部、嘴部特征和概率融合方法,提升了系统面部识别和微笑识别的准确率。在GENIK-4K数据集上取得95.83%具有竞争力的识别结果。This paper proposes an effective smile recognition system based on neural network model fusion.The smile recognition system includes two stages of facial image preprocessing and expression recognition.The core of the expression recognition system is to construct the CNN fusion framework based on the neural network model fusion idea.The CNN-fusion framework incorporates three CNN structures,and use the transfer learning technology and the loss function adjustment technology to optimize the parameters of the CNN fusion framework,combining the face and mouth feature and probability fusion method improves the accuracy of facial recognition and smile recognition.This paper obtaines competitive recognition results of 95.83% in experiments conducted using the GENKI-4K databases.

关 键 词：微笑识别 卷积神经网络 特征融合 参数优化 无约束人脸图像 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TP183[自动化与计算机技术—计算机科学与技术]