基于GAN改进的人脸表情识别算法及应用

针对传统人脸表情识别算法存在的特征提取能力差、识别率低和误分类率较高等问题,提出一种基于生成对抗网络(GAN)改进的人脸表情识别算法.利用生成对抗网络的博弈思想,分别设计特征提取器、特征合成器和判别器,通过判别器与特征提取器之间的对抗训练,不断增强特征提取器提取特征的能力和分类器对人脸表情识别的准确率,并将其应用在工作人员工作状态智能监测中,根据表情识别结果判断工作状态,从而合理分配实验室资源,提高实验室资源利用率.改进算法在CK+数据集上多次实验的结果表明:该算法有较高的鲁棒性,能有效提高人脸表情识别率.