深度残差卷积下多视角特征融合的人脸表情识别

针对现实生活中多视角下人脸表情识别不够精准、计算量大等问题,提出了一种深度残差卷积下多视角特征融合的人脸表情识别模型MVResNet-FER。首先改进ResNet中的残差块,并使用深度可分离网络取代常规卷积网络。其次添加了CBAM模块,以增强多视角下有效特征的提取和浅层特征信息的补充。然后使用RReLu激活函数取代原始的ReLu,避免梯度较大时部分节点出现失活。最后使用全局平均池化层代替全连接层实现降维,并将生成的特征向量送入Softmax进行分类。实验表明,本文方法在CK+和RaFD数据集上产生了较优异的结果,能有效提高人脸表情识别的准确率。

基于GCSLBP的DBN人脸识别算法

针对传统Gabor小波变换提取的特征向量维数较高以及DBN在完成人脸识别时会忽略局部信息的问题,提出了一种基于GCSLBP的DBN人脸识别算法(Gabor fusion central symmetric local binary pattern deep belief network,GCSLBP-DBN)。该算法首先改进了原始的Gabor变换,通过引入中心对称局部二值模式方法(local binary pattern,LBP)进行优化,然后利用直方图的方法表示最终的特征向量,既提取到图像丰富的局部特征,又能降低特征向量维数。最后使用深度信念网络方法提高分类鲁棒性,完成人脸的分类和识别。该算法已在ORL和CMU_PIE数据集上进行仿真实验,实验结果表明,本文GCSLBP-DBN算法有效的提高了人脸识别率,在光照等变换下也具有鲁棒性。