公开(公告)号：CN112070009B

公开(公告)日：2023-07-11

申请号：CN202010934580.7

申请日：2020-09-08

Applicant: 南京工业大学

Inventor： 程明 ,  华洁 ,  陈超

IPC: G06V40/16 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于改进的LBP算子的卷积神经网络表情识别方法，属于图像识别技术领域。包括以下步骤：输入人脸图像并进行灰度值转化和归一化尺寸的预处理；对图像进行LBP‑HF纹理特征的提取；将提取到的LBP‑HF纹理特征矩阵输入到卷积神经网络中进行样本训练；卷积神经网络利用多层卷积层对图像进行进一步的特征提取；通过分类器对表情进行识别。本发明在浅层的卷积神经网络下能有效提高表情识别的识别率，加快神经网络的训练速度，在识别准确性、训练收敛速度上都具有较大优势。

公开(公告)号：CN112070009A

公开(公告)日：2020-12-11

申请号：CN202010934580.7

申请日：2020-09-08

Applicant: 南京工业大学

Inventor： 程明 ,  华洁 ,  陈超

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于改进的LBP算子的卷积神经网络表情识别方法，属于图像识别技术领域。包括以下步骤：输入人脸图像并进行灰度值转化和归一化尺寸的预处理；对图像进行LBP‑HF纹理特征的提取；将提取到的LBP‑HF纹理特征矩阵输入到卷积神经网络中进行样本训练；卷积神经网络利用多层卷积层对图像进行进一步的特征提取；通过分类器对表情进行识别。本发明在浅层的卷积神经网络下能有效提高表情识别的识别率，加快神经网络的训练速度，在识别准确性、训练收敛速度上都具有较大优势。