基于人脸状态识别的算法研究

罗 龙
江西理工大学

摘要

采用计算机视觉实现对采集图像中人脸所处状态的识别技术，通过对人脸状态的识别能够充分地反映出一个人的心理与生理方面 的状态信息，这种利用人脸识别方式来判断一个人的行为，如今已经成为当前人脸状态检测的方向标。现阶段各个领域中应用的主流人脸 识别技术，主要以人的面部问题，器官特征以及骨架特征等静态情况来判断人脸所处于的状态，但无法根据脸部的全局肌肉运动情况来判 断人脸当前所处于的状态。因此，针对该问题，本文提出了一种基于深度学习的时间系列人脸状态识别算法，以此提高了对不同人脸面部 特征、复杂背景的鲁棒性。首先，利用共享权值直线了双通道级联网络的设计，并实现了对特征图的提取。然后，采用 Liteflownet 从特征 图当中完成了光流图的提取，以及实现了 L-R 模型的设计，解决了头部偏转矢量导致识别结果存在误差的问题；其次，完成了分类器的设 计。最后经测试结果证明，本文提出的人脸状态识别算法，不仅可以促进人脸状态的识别率得到提高，还拥有较高的鲁棒性。

关键词

时间序列识别算法；人脸状态识别；面部表情；图像处理；深度学习

参考

[1]徐武,陈盈君,汤弘毅,等. 局部特征映射与融合网络的人脸识 别 优 化 算 法 [J]. 河 南 科 技 大 学 学 报 （ 自 然 科 学 版）,2023,44(2):59-64,72. [2]曾曦,辛月兰,谢琪琦. 基于性别约束的多分支网络人脸表情识 别[J]. 计算机工程与应用,2023,59(9):245-254. [3]焦阳阳,黄润才. 基于改进纹理特征与迁移学习的人脸表情识 别[J]. 智能计算机与应用,2023,13(5):181-186. [4]张妍. 基于动态人脸表情相似度的情绪状态识别研究[D]. 上 海:东华大学,2022. [5]胡佳玲,施一萍,谢思雅,等. 基于轻量级卷积神经网络人脸识 别算法的研究与应用[J]. 传感器与微系统,2022,41(1):153-156. [6]郑炽. 深度学习在人脸表情识别算法中的研究与应用[D]. 江 西:江西理工大学,2022. [7]吕鹏,单剑锋. 基于多特征融合的人脸表情识别算法[J]. 计算 机技术与发展,2022,32(10):151-155,181.