公开(公告)号：CN110084122A

公开(公告)日：2019-08-02

申请号：CN201910242066.4

申请日：2019-03-28

Applicant: 南京邮电大学

Inventor： 吴家皋 ,  张华杰 ,  陈欣宇 ,  周峻全

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

Abstract: 本发明揭示了一种基于深度学习的动态人脸情绪识别方法，包括如下步骤：S1、获取人脸图像序列；S2、使用VGG卷积神经网络提取所述人脸图像序列中的每一张图像的图像特征；S3、使用LSTM循环神经网络，结合S2中提取的所述图像特征，识别人脸情绪；S4、使用损失函数对网络进行反复训练，优化网络参数，构建完整的动态人脸情绪识别模型；本发明着眼于动态人脸情绪的分析，通过采集人脸图像序列进行分析的方式，有效地兼顾到了人类情绪阶段化的特点。同时，本发明通过将VGG卷积神经网络和LSTM循环神经网络相结合的方式完成了对人脸图像序列的处理，显著地提升了情绪识别的准确率。

公开(公告)号：CN110084122B

公开(公告)日：2022-10-04

申请号：CN201910242066.4

申请日：2019-03-28

Applicant: 南京邮电大学

Inventor： 吴家皋 ,  张华杰 ,  陈欣宇 ,  周峻全

IPC: G06V40/16 ,  G06V10/774 ,  G06V10/764 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明揭示了一种基于深度学习的动态人脸情绪识别方法，包括如下步骤：S1、获取人脸图像序列；S2、使用VGG卷积神经网络提取所述人脸图像序列中的每一张图像的图像特征；S3、使用LSTM循环神经网络，结合S2中提取的所述图像特征，识别人脸情绪；S4、使用损失函数对网络进行反复训练，优化网络参数，构建完整的动态人脸情绪识别模型；本发明着眼于动态人脸情绪的分析，通过采集人脸图像序列进行分析的方式，有效地兼顾到了人类情绪阶段化的特点。同时，本发明通过将VGG卷积神经网络和LSTM循环神经网络相结合的方式完成了对人脸图像序列的处理，显著地提升了情绪识别的准确率。