基于表情识别的情绪影集剪辑系统

本文针对表情识别技术应用占有率很低的问题,力图将表情识别技术应用于实际的生活场景,能够对视频中的人进行表情识别,并自动对表情进行分类,然后生成情绪影集。本文中系统的核心算法采用卷积神经网络训练,有着卷积神经网络结构简单、训练速度快、识别准确率高的特点。系统主要由读取视频流模块、人脸检测模块、表情识别模块、情绪影集生成模块组成。同时系统具有很好的实时性、交互性以及良好的用户体验。

深度可分离CNN在表情识别中的应用研究

目前,表情识别的研究主要集中在提高准确率、速率及鲁棒性上。对此,该方法提出一种新型网络结构,将传统卷积和深度可分离卷积相结合。在传统网络提取的二维特征基础上,对不同深度进行特征提取,实现二维特征向三维特征的转变,有效提高识别准确率和网络鲁棒性。同时,由于深度可分离卷积的特点,所提新型网络结构可大大减少网络参数,有效降低训练计算量并提高识别速率。实验结果表明,该模型在FER-2013数据集上拥有79.3%的准确率,在识别640*480的视频时,可达103帧/秒的识别速度。在现实场景的实时人脸表情识别中,也有较高的准确率和识别速率。