人脸表情识别

科　信ｌ息ｌ科ｌ学　

一种基于多层ＢＰ神经网络面部表情识别方法　

王志　

（哈尔滨市华能集中供热有限公司，黑龙江哈尔滨１５００００）　

摘要：人脸表情识别是指通过面部表情特征的计算，实现表情的分类。研究了基于面部运动特征的表情识别方法，提出基于神经网络的表情　识别方法。该方法提出一种基于多层ＢＰ神经网络进行表情分类的方法，其特征提取利用脸部运动编码系统（ＦＡｃｓ）进行；训练ＢＰ网络作为依据运　动特征进行表情分类的判别方法。实验表明分别对上下半边脸的运动单元（Ａｕ）进４ｉ－／ｏｌｌ练和测试，取得了较好的识别效果。　关键词：人脸表情识别；人工神经网络；运动单元；面部运动编码系统　

ｌ概述　人脸表情识别是指通过面部表情特征的　计算，实现表情的分类。人脸表情识别在智能化　的人机交互研究领域具有重要的意义。计算机　自动识别操作者的面部表情在诸多领域例如：　虚拟现实、电脑游戏、监控系统、医学治疗等方　

面得到重要的应用。自美国ＭＩＴ媒体实验室在　１９７９年最早提出情感计算以后，人脸表情识别　引起了国内外许多著名研究机构的关注，特别　是对情感计算的算法开展了大量研究　。　

一个典型的人脸表情识别系统ＦＥＲＳ（ｆａ—　

ｃｉａｌ　ｅｘｐｒｅｓｓｉｏｎ　ｒｅｃｏｇｎｉｔｉｏｎ　ｓｙｓｔｅｍ）一般包括３　个部分，即人脸检测，特征提取，表情分类。对人　脸进行检测与定位，以提取面部区域，这方面的　研究实际上已发展成一个独立的研究领域。特　征提取是从提取的人脸图像或图像序列中提取　表隋特征以供表情分类。系统的第三步是表情　分类。研究重点在于特征提取和表情分类，利用　

脸部运动编码系统（ＦＡＣＳ）进行特征提取；然后　设计一个多层ＢＰ神经网络用于表情分类，给　出了依据运动特征进行表情分类的判别方法。　在第二节介绍了脸部运动编码系统，在第　三节介绍神经网络的基本原理，第四节中详细　描述本方法进行特征提取和分类的具体算法，　最后，第五节给出了一些实验结果并进行了分　析。　２脸部运动编码系统　脸部运动单元分析法　是最早研究面部　表情采用的方法之一，成为很多的算法的基础。　美国心理学家Ｅｋｍａｎ　Ｐａｕｌ和Ｆｒｉｅｓｅｎ对脸部肌　肉群的运动及其对表情的控制作用进行研究，　

手机人脸识别原理

手机人脸识别技术是一种通过手机摄像头对用户脸部特征进行检测和分析，从而确定用户身份的技术。它主要基于以下原理：

1. 提取脸部特征：手机摄像头拍摄用户的脸部图像，并通过图像处理算法将图像中的脸部特征提取出来。这些脸部特征可以包括人脸的轮廓、眼睛、嘴巴、鼻子等部位的位置和形状信息。

2. 特征比对和匹配：将提取的脸部特征与事先存储在手机内部的特征模板或数据库中的特征进行比对和匹配。这些特征模板通常是通过用户在手机上进行人脸注册时生成的，其中包含用户脸部特征的数学描述。

3. 人脸比对算法：手机人脸识别技术还依赖于一系列人脸比对算法，例如相似度计算、特征融合等。这些算法可以通过将提取的脸部特征与特征模板进行比对，计算相似度得分，并确定用户身份。

4. 图像采集和预处理：手机在进行人脸识别时需要对图像进行采集和预处理。采集时需要保证光线条件充足，并采集多张角度不同、表情不同的图像以增加准确性。预处理阶段主要包括人脸检测、人脸对齐、图像增强等步骤，以提高对脸部特征的提取和匹配的精度。

5. 脸部识别模型的训练：为了实现准确的人脸识别，手机人脸识别系统需要经过大量的数据训练。数据集通常包含各种光照条件下的人脸图像，用于训练人脸识别模型。这些模型可以通过机器学习和深度学习方法进行训练，以提高人脸识别算法的准确性和鲁棒性。

综上所述，手机人脸识别技术通过摄像头采集用户的脸部图像，提取脸部特征，并将其与事先存储的特征模板进行比对和匹配，从而实现对用户身份的识别。这项技术在手机解锁、支付安全、人脸表情识别等领域具有广泛应用。

ＩＳＳＮ　１００９－３０４４　Ｃｏｍｐｕｔｅｒ　Ｋｎｏｗｌｅｄｇｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ电脑知识与技术　

Ｖｏ１．８，Ｎｏ．１，Ｊａｎｕａｒｙ　２０１２　

人脸表情识别综述　

孙蔚　，王波　

（１．南京人口学院信息科学系，江苏南京２１００４２；２．南京航空航天大学自动化学院，江苏南京２１００１６）　Ｅ—ｍａｉｌ：ｅｄｕｆ＠ｅｃｅｅ．ｎｅｔ．ｃｎ　

ｈｔｔｐ：／／ｗｗｗ．ｄｎｚｓ．ｎｅｔ．ｃｎ　Ｔｅｈ＋８６—５５　１—５６９０９６３　５６９０９６４　

摘要：人际交往中，面部表情为人们相互间的交流提供了一种重要的渠道，人们通过面部丰富细小的变化，能表达各种各样的表　

情。该文综合介绍了人脸表情识别的研究背景和国内外现状，并且罗列出了和表情识别相关的一些重要国际会议，总结了近十年　

来国内外研究学者在表情识别领域提出的各自创新的研究方法，最后提出在表情识别研究中仍然存在的问题和不足。　

关键词：表情识别；研究方法；创新；不足　

中图分类号：ＴＰ１８　文献标识码：Ａ　文章编号：１００９—３０４４（２０１２）０１—０１０６—０３　

Ａ　Ｓｕｒｖｅｙ　ｏｆ　Ｆａｃｉａｌ　Ｅｘｐｒｅｓｓｉｏｎ　Ｒｅｃｏｇｎｉｔｉｏｎ　

ＳＵＮ　Ｗｅｉ’　，ＷＡＮＧ　Ｂｏ　

（１．Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅ　ｏｆ　Ｎａｎｊｉｎｇ　Ｃｏｒｔｅｇｅ　ｆｏｒ　Ｐｏｐｕｌａｔｉｏｎ　Ｐｒｏｇｒａｍ　Ｍａｎａｇｅｍｅｎｔ，Ｎａｎｊｉｎｇ，２１００４２，Ｃｈｉｎａ；２．Ｃｏ￣ｅｇｅ　ｏｆ　Ａｕｔｏｍａｔｉｏｎ　Ｅｎｇｉ—　

ｎｅｅｒｉｎｇ，Ｎａｎｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆＡｅｒｏｎａｕｔｉｃｓ　ａｎｄ　Ａｓｔｒｏｎａｕｔｉｃｓ，Ｎａｎｊｉｎｇ　２１００１６，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｆａｃｉａｌ　ｅｘｐｒｅｓｓｉｏｎ　ｉｓ　ａ　ｋｅｙ　ｔＯ　ｎｏｎｖｅｒｂａｌ　ｃｏｍｍｕｎｉｃａｔｉｏｎ，ｗｈｉｃｈ　ｈａｓ　ｂｅｅｎ　ｃｏｎｆｉｒｍｅｄ　ｂｙ　ｍａｎｙ　ｄｉｆｅｒｅｎｔ　ｒｅｓｅａｒｃｈ　ｐｒｏｊｅｃｔｓ．Ａ　ｃｈａｎｇｅ　

龙源期刊网

基于深度学习的面部表情识别探讨

作者：盛伟 刘嵩岩 成杰 孙毅

来源：《科学与信息化》2020年第21期

摘 要 随着计算机技术和人工智能技术及其相关学科的迅猛发展，人们对类似于人和人交流方式的人机交互的需求日益强烈。表情识别是人们获取情感信息的基础，是计算机获取人类情感的前提，同时也是人们探索和理解智能的有效途径之一。本文在嵌入式系统的基础上利用Fer2013数据集，在TensorFlow平台上训练卷积神经网络（CNN），从而实现面部表情识别。

关键词 嵌入式系统;CNN;TensorFlow;面部表情识别

引言

面部表情识别技术同其他人工智能技术相比，发展的比较缓慢。由于面部表情具有多变性和复杂性，再同情绪和个体差异结合，很大程度上提高表情识别的难度。因此，与生物识别技术如指纹识别、人脸识别等相比，发展相对较慢，应用还不广泛。但是表情识别突破了人与机器传统的关系，因此国内外学者致力于这方面的研究，并在技术方面有很大的突破。人脸表情识别是指从给定的静态图片或动态视频序列中分离出的表情状态，本文主要研究的是从静态图片中确定被识别对象的心理情绪，实现计算机对人脸表情的理解与识别，从而更好达到人机交流[1]。

1 技术背景

1.1 数据集

Fer2013人脸表情数据集由35886张人脸表情图片组成，其中，测试图（Training）28708张，公共验证图（PublicTest）和私有验证图（PrivateTest）各3589张，每张图片是由大小固定为48×48的灰度图像组成，共有7种表情，分别对应于数字标签0-6，具体表情对应的标签和中英文如下：0 anger 生气; 1 disgust 厌恶; 2 fear 恐惧; 3 happy 开心; 4 sad 伤心;5 surprised 惊讶; 6 normal 中性[2]。