基于CNN和LSTM的人脸表情识别模型设计

作者：程换新; 王雪; 程力; 孙胜意

来源：电子测量技术, 2021, 44(17): 160-164.

DOI：10.19651/j.cnki.emt.2107000

• 人脸表情
• CNN
• LSTM
• Focal loss

人脸表情能够正确地反映人的内心活动,但由于表情的复杂性和微妙性,准确地识别人脸表情仍然是一大难题。本文设计了一种基于卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的方法让计算机能够识别人脸的表情,损失函数采用Focal loss。该框架包括3个方面:采用两种不同的预处理技术处理光照变化,并保留图像的边缘信息;预处理后的图像被输入到两个独立的CNN层用于提取特征;将提取到的特征与LSTM层融合。使用FER2013、JAFFE和CK+3个数据集验证模型准确性,并选择FER2013数据集制作混合矩阵,结果为该模型在FER2013数据集上的准确率相比于目前先进模型提升了9.65%,在JAFFE和CK+数据集上也表现良好,结果表明所提出的模型具有较强的泛化能力。

• 单位
  电子工程学院; 青岛科技大学