喬桂芳，侯守明*，劉彥彥

（1.河南理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，河南焦作 454003；2.杭州師范大學(xué)阿里巴巴商學(xué)院，杭州 311121）

0 引言

面部表情作為人臉識(shí)別和情感信息傳遞的重要門戶，在人機(jī)交互領(lǐng)域正經(jīng)歷著空前未有的發(fā)展。面部表情識(shí)別主要利用計(jì)算機(jī)提取給定的靜態(tài)人臉圖像或動(dòng)態(tài)人臉序列的表情特征，使其以人的思維對(duì)檢測(cè)到的表情進(jìn)行理解和分類，滿足人們?cè)诓煌瑧?yīng)用場(chǎng)景下的需求，進(jìn)而建立良好的人機(jī)智能交互環(huán)境。面部表情識(shí)別技術(shù)在疲勞駕駛、互聯(lián)網(wǎng)教學(xué)、刑事案件偵測(cè)、醫(yī)學(xué)診斷、安防監(jiān)控、心理咨詢等領(lǐng)域有著非常廣泛的應(yīng)用。

面部表情識(shí)別的五個(gè)過程包括表情圖像獲取、輸入數(shù)據(jù)預(yù)處理、提取層次特征、表情分類和所屬類別，其核心是提取層次特征，高效快速地抽取表情圖像中的有利信息是提升表情識(shí)別準(zhǔn)確率的重要前提。傳統(tǒng)的表情識(shí)別方法主要通過人工提取特征，如Gabor 小波變換、方向梯度直方圖（Histograms of Oriented Gradients，HOG）、主成分分析（Principal Components Analysis，PCA）等，再結(jié)合支持向量機(jī)（Support Vector Machine，SVM）進(jìn)行分類。傳統(tǒng)方法設(shè)計(jì)特征需要借助一定的專家知識(shí)，人為干擾因素較大，且易丟失原有樣本的特征信息，進(jìn)而影響表情識(shí)別準(zhǔn)確率。然而卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）可將原始數(shù)據(jù)直接傳送至模型，依據(jù)端到端的圖形拓?fù)浣Y(jié)構(gòu)自動(dòng)提取輸入數(shù)據(jù)的抽象特征，有效縮短人工預(yù)處理的過程。1989年，LeCun 等發(fā)明CNN，并于1998 年采用LeNet-5 模型成功提高手寫字符識(shí)別率。Krizhevsky 等在2012 年創(chuàng)造了深層CNN AlexNet，首次實(shí)現(xiàn)Top 5 最低誤差率，是CNN 崛起的轉(zhuǎn)折點(diǎn)。Simonyan 等于2014 年提出VGGNet，通過疊加小尺寸卷積核不斷加深網(wǎng)絡(luò)層次，取得不錯(cuò)的分類精度。為了更有效地改善表情識(shí)別的準(zhǔn)確性，眾多研究者開始改進(jìn)CNN與其他特征方法結(jié)合使用，Li 等提出改進(jìn)CNN 與注意力機(jī)制相融合的方法，將全局圖像特征與多個(gè)無遮擋的面部感興趣區(qū)域特征集合起來，從而提高無遮擋區(qū)域特征的表現(xiàn)能力；Xie 等采用空間注意力+多路連接的方法對(duì)CNN 進(jìn)行針對(duì)性的改進(jìn)，先微調(diào)預(yù)訓(xùn)練的模型得到特征圖，加入空間注意力機(jī)制，突顯表情區(qū)域，再對(duì)具有明顯區(qū)分性的特征向量進(jìn)行全連接和分類；Xia 等設(shè)計(jì)多個(gè)損失函數(shù)加權(quán)組合，通過網(wǎng)格搜索方法提升含遮擋人臉表情的識(shí)別效果；王忠民等借助改進(jìn)的CNN 模型作為特征提取器，抽取更深層次的復(fù)雜特征，融合SVM 進(jìn)行表情識(shí)別，最終識(shí)別精度高于傳統(tǒng)方法。上述研究表明，CNN 的確能夠進(jìn)一步提升表情識(shí)別準(zhǔn)確率，但隨著各種網(wǎng)絡(luò)模型及其變體的提出，導(dǎo)致網(wǎng)絡(luò)結(jié)構(gòu)越來越復(fù)雜，參數(shù)量增多且識(shí)別效果不夠理想。

為此，本文提出一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)與非線性支持向量機(jī)相結(jié)合的面部表情識(shí)別算法。首先，在感受野大小不變的前提下，多個(gè)結(jié)構(gòu)簡(jiǎn)單的小尺寸卷積核以串并聯(lián)融合的方式代替大尺寸卷積核，在增強(qiáng)模型特征學(xué)習(xí)能力的同時(shí)擁有更少的網(wǎng)絡(luò)參數(shù)，且獲得的特征分類性更強(qiáng)；其次，采用全局平均池化（Global Average Pooling，GAP）層取代全連接層，簡(jiǎn)化卷積結(jié)構(gòu)，同時(shí)省略大量訓(xùn)練調(diào)優(yōu)的參數(shù)；最后，送入SVM 分類器進(jìn)行表情分類，以提升模型的泛化能力。

1 相關(guān)技術(shù)

1.1 CNN原理

典型的CNN由卷積層、池化層、全連接層和Softmax 分類函數(shù)組成，圖1 為其基本結(jié)構(gòu)。CNN 具有強(qiáng)大的表征學(xué)習(xí)能力，其隱含層內(nèi)引入的參數(shù)共享和層間連接稀疏性機(jī)制，能極大地減少模型參數(shù)量，具備辨識(shí)面部表情微小變化的潛力。

圖1 CNN基本結(jié)構(gòu)Fig.1 Basic structure of CNN

圖1 中的卷積層用于提取圖像細(xì)節(jié)和抽象信息，實(shí)現(xiàn)參數(shù)共享；池化層能縮減特征圖尺寸，起到降維效果；全連接層執(zhí)行最終分類任務(wù)。經(jīng)大量研究發(fā)現(xiàn)，傳統(tǒng)CNN 算法用于表情識(shí)別需關(guān)注以下三個(gè)問題：

1）面部表情識(shí)別的關(guān)鍵在于快速覺察人臉五官微妙變化的特征，傳統(tǒng)CNN 直接應(yīng)用于面部表情識(shí)別領(lǐng)域，識(shí)別效果不佳；

2）傳統(tǒng)CNN 模型中2～3 層的全連接層產(chǎn)生的參數(shù)量過大，占據(jù)CNN 總參數(shù)的80%以上，參數(shù)過多導(dǎo)致計(jì)算量增加，還易引起過擬合，不利于面部表情的快速分類；

3）傳統(tǒng)CNN 模型中的Softmax 分類函數(shù)只是使輸出結(jié)果符合概率分布，并未對(duì)識(shí)別性能產(chǎn)生幫助，在小樣本和多分類任務(wù)中，性能不優(yōu)越，難以進(jìn)一步提升最終識(shí)別精度。

1.2 全局平均池化

為實(shí)現(xiàn)面部表情的快速分類，Lin 等提出設(shè)計(jì)一個(gè)維度自適應(yīng)全局平均池化（GAP）層取代傳統(tǒng)CNN 中的全連接層來融合學(xué)習(xí)到的深度特征。假設(shè)最后一個(gè)卷積層的輸出為三維特征圖

w

×

h

×

d

，將平均池化的窗口大小動(dòng)態(tài)設(shè)置成特征圖大小

w

×

h

，經(jīng)GAP 變換后，每一層

w

×

h

會(huì)被平均化成一個(gè)值進(jìn)行展平和全連接操作，即輸出值為1×1×

d

，特征圖結(jié)構(gòu)可表示為

N

×1×1×

d

，

N

表示特征圖的數(shù)量，最后將得到的二維數(shù)據(jù)

N

×

d

送入SVM 分類器。

1.3 支持向量機(jī)

支持向量機(jī)（SVM）是由Vapnik 等最早提出的經(jīng)典二分類學(xué)習(xí)方法，它在小樣本和多分類任務(wù)中，比傳統(tǒng)的Softmax 分類函數(shù)性能優(yōu)越。為進(jìn)一步提升表情分類效果，在算法設(shè)計(jì)中使用非線性SVM 代替Softmax 分類器工作，SVM 采用“一對(duì)多”策略來處理表情分類任務(wù)，假設(shè)樣本共有

m

類，先構(gòu)造

m

-1 個(gè)SVM 子分類器，轉(zhuǎn)換為處理二分類問題，第

i

個(gè)分類器將類別為

T

的樣本標(biāo)記為+1，剩余類別全標(biāo)記為-1，SVM 多分類算法過程如圖2 所示。

圖2 SVM多分類算法過程Fig.2 SVM multi-classification algorithm process

2 改進(jìn)CNN+SVM識(shí)別算法

圖3 為所提優(yōu)化算法的基本識(shí)別流程。

圖3 基于改進(jìn)CNN+SVM的面部表情識(shí)別算法流程Fig.3 Flow of facial expression recognition algorithm based on improved CNN+SVM

本文算法的步驟如下：

1）輸入層對(duì)原始表情數(shù)據(jù)進(jìn)行預(yù)處理；

2）特征提取層對(duì)預(yù)處理后的表情灰度圖進(jìn)行深度提?。?/p>

3）計(jì)算修正線性單元（Rectified Linear Unit，ReLU）激活函數(shù)值：

4）用最大值池化方式進(jìn)行降維減參：

其中：

MP

表示最大池化后的輸出特征圖；

X

(

K

)表示輸出特征圖的第

K

個(gè)像素值。

5）對(duì)最后卷積層輸出的特征圖進(jìn)行GAP 變換：

6）GAP 層的輸出結(jié)果先采用Softmax 函數(shù)進(jìn)行歸一化處理，再計(jì)算輸出值與標(biāo)簽值之間的誤差，更新權(quán)重

W

和偏置

b

：

其中：

η

表示學(xué)習(xí)率；

E

表示誤差函數(shù)。

7）將GAP 層的稀疏特征數(shù)據(jù)送入SVM 分類器，計(jì)算高維特征空間最大分離超平面：

其中：

x

表示任意一個(gè)樣本點(diǎn)；

x

表示中心坐標(biāo)值；

σ

表示函數(shù)的寬度參數(shù)，

σ

＜0。

圖4 為算法總體改進(jìn)策略。根據(jù)深度模型VGG16連續(xù)卷積的思想設(shè)計(jì)網(wǎng)絡(luò)模型，本文構(gòu)建的基于改進(jìn)CNN+SVM 算法的面部表情識(shí)別模型如圖5 所示。圖5 中標(biāo)注了每層的命名、卷積核大小和通道數(shù)，“@”符號(hào)后面的數(shù)字為卷積層通道數(shù)。此模型由一個(gè)輸入層、三個(gè)卷積模塊層、一個(gè)GAP 層和一個(gè)SVM 分類器構(gòu)成。三個(gè)卷積模塊層結(jié)構(gòu)相同，由含兩個(gè)3×3 卷積核的卷積層串聯(lián)，隨后緊跟池化層及隨機(jī)丟棄層（Dropout）組成，另外，模型中加入ReLU 激活函數(shù)防止梯度彌散。改進(jìn)模型先通過卷積模塊中的卷積層提取表情圖像特征，之后將提取到的深層次特征通過下采樣層進(jìn)行降維處理，并融入Dropout 機(jī)制預(yù)防過擬合，GAP 層將最后得到的特征圖送入SVM 分類器，執(zhí)行分類任務(wù)。

圖4 本文算法總體改進(jìn)策略Fig.4 Overall improvement strategy of proposed algorithm

圖5 基于改進(jìn)CNN+SVM算法的面部表情識(shí)別模型結(jié)構(gòu)Fig.5 Structure of facial expression recognition model based on improved CNN+SVM algorithm

圖5 中的卷積模塊1（ConvBlock_1）、卷積模塊2（ConvBlock_2）、卷積模塊3（ConvBlock_3）是改進(jìn)CNN+SVM模型中的卷積提取層。其中：ConvBlock_1 用兩個(gè)通道數(shù)為32 的3×3 卷積核提取面部表情特征，選用小尺寸卷積核代替較大卷積核，能有效減少網(wǎng)絡(luò)模型參數(shù)量，同時(shí)提升網(wǎng)絡(luò)性能；ConvBlock_2 中用兩個(gè)通道數(shù)為32 的3×3 卷積核并聯(lián)取代一個(gè)通道數(shù)為64 的3×3 卷積核，通過拓展網(wǎng)絡(luò)寬度保持表情圖像的性質(zhì)，確保參數(shù)量一致的前提下，前者能提取的特征分類性更強(qiáng)、非線性激活更多；同樣原理，將ConvBlock_3中通道數(shù)為128 的較大卷積核進(jìn)行串并聯(lián)融合操作。

輸入48×48 像素的表情灰度圖，經(jīng)過ConvBlock_1 操作和Same 填充后，進(jìn)行了平卷積，輸出與輸入大小一致，經(jīng)最大值下采樣，得到的特征圖大小減半，為24×24 像素。通過ConvBlock_2 和ConvBlock_3 中“卷積+最大池化”計(jì)算后，得到6×6×128 的特征圖，經(jīng)GAP 變換，得到一個(gè)1×1×128 的張量，送入SVM 進(jìn)行分類。模型中各網(wǎng)絡(luò)層的參數(shù)量計(jì)算方法如式（8）：

其中：

CNN

表示卷積層的參數(shù)量；

FCN

表示全連接層的參數(shù)量；

K

表示卷積核個(gè)數(shù)；

H

和

W

分別表示卷積核的高和寬；

I

表示卷積層輸入數(shù)據(jù)的通道數(shù)；

B

表示偏置量；

FC

表示全連接層輸入數(shù)據(jù)的維度；

FC

表示輸出神經(jīng)元的節(jié)點(diǎn)數(shù)。基于改進(jìn)CNN+SVM 算法的面部表情識(shí)別模型的各網(wǎng)絡(luò)層參數(shù)情況如表1 所示，該模型的總參數(shù)量遠(yuǎn)小于傳統(tǒng)CNN 模型。

表1 基于改進(jìn)CNN+SVM算法的面部表情識(shí)別模型的各層參數(shù)描述Tab 1 Parameter description of each layer of facial expression recognition model based on improved CNN+SVM algorithm

3 實(shí)驗(yàn)與結(jié)果分析

3.1 數(shù)據(jù)集

本文模型訓(xùn)練采用Fer2013和CK+兩個(gè)數(shù)據(jù)集，按8∶2 的比例隨機(jī)劃分為訓(xùn)練集和測(cè)試集。表2～3 給出了各數(shù)據(jù)集的標(biāo)簽對(duì)照及訓(xùn)練集和測(cè)試集中各表情類別數(shù)量分布情況。實(shí)驗(yàn)中先將全部圖像預(yù)處理并歸一化成48×48 大小的灰度圖，如圖6 所示。

表2 Fer2013數(shù)據(jù)集中英標(biāo)簽對(duì)照及各類別數(shù)Tab 2 Chinese and English labels and numbers of different categories in Fer2013 dataset

圖6 Fer2013、CK+數(shù)據(jù)集中7類表情樣例圖Fig.6 Sample diagrams of 7 categories of facial expression in Fer2013 and CK+datasets

由于CK+數(shù)據(jù)集樣本總數(shù)偏少，送入神經(jīng)網(wǎng)絡(luò)訓(xùn)練容易造成泛化能力弱及過擬合問題，實(shí)驗(yàn)過程中對(duì)CK+訓(xùn)練集圖像做隨機(jī)旋轉(zhuǎn)、隨機(jī)縮放、水平/垂直平移、隨機(jī)水平翻轉(zhuǎn)、亮度及對(duì)比度變化等幾何變換以擴(kuò)增數(shù)據(jù)集，如圖7 所示。

圖7 CK+數(shù)據(jù)集中人臉圖像數(shù)據(jù)增強(qiáng)前后對(duì)比Fig.7 Comparison before and after facial image data augmentation in CK+dataset

表3 CK+數(shù)據(jù)集中各表情類別數(shù)Tab 3 Number of each expression category in CK+dataset

3.2 實(shí)驗(yàn)環(huán)境及參數(shù)指標(biāo)

采用深度學(xué)習(xí)框架Tensorflow 來驗(yàn)證本文改進(jìn)模型的可行性，實(shí)驗(yàn)環(huán)境及硬件配置如下：CPU 為Intel Core i5-7200U，內(nèi)存8 GB，GPU4 GB，TITANX（Pascal），軟件環(huán)境為Python 3.6.12，Tensorflow 2.0.0，Windows10 專業(yè)版64 位。

本實(shí)驗(yàn)主要通過識(shí)別準(zhǔn)確率、損失函數(shù)變化曲線、模型參數(shù)量三個(gè)指標(biāo)來評(píng)估算法性能。基于本文算法的改進(jìn)模型確保訓(xùn)練時(shí)間相差不大，損失函數(shù)有所下降，準(zhǔn)確率有所提高，模型參數(shù)量比改進(jìn)前有所減少。網(wǎng)絡(luò)訓(xùn)練時(shí)的批次大小設(shè)置恰當(dāng)?shù)姆秶苁固荻认陆捣较驕?zhǔn)確且振蕩小，過大會(huì)出現(xiàn)局部最優(yōu)，過小會(huì)難以收斂，通過多次實(shí)驗(yàn)，最終將批次大小設(shè)置為24，并加入隨機(jī)梯度下降策略優(yōu)化網(wǎng)絡(luò)模型。實(shí)驗(yàn)參數(shù)設(shè)置如表4 所示。

表4 模型訓(xùn)練參數(shù)描述Tab 4 Model training parameter description

3.3 實(shí)驗(yàn)結(jié)果與分析

利用基于改進(jìn)CNN+SVM 算法的模型在Fer2013、CK+數(shù)據(jù)集上訓(xùn)練，得到的識(shí)別精度曲線和損失值變化曲線如圖8所示。由圖8 可看出：在CK+數(shù)據(jù)集上，當(dāng)?shù)螖?shù)達(dá)到150時(shí)，模型趨于穩(wěn)定，識(shí)別準(zhǔn)確率為98.06%；在Fer2013 數(shù)據(jù)集上，識(shí)別準(zhǔn)確率達(dá)到73.4%，性能明顯提升。圖8（b）中，損失誤差值在特定的迭代次數(shù)內(nèi)逐漸降低，結(jié)合了GAP 和SVM 分類器的優(yōu)點(diǎn)，其收斂速度更快。因此，基于改進(jìn)CNN+SVM 算法設(shè)計(jì)的網(wǎng)絡(luò)模型能夠很好地學(xué)習(xí)表情特征，具有更好的分類效果。

圖8 Fer2013及CK+數(shù)據(jù)集上的訓(xùn)練過程曲線Fig.8 Training process curves on Fer2013 and CK+datasets

基于改進(jìn)CNN+SVM 算法的網(wǎng)絡(luò)模型在Fer2013、CK+數(shù)據(jù)集上對(duì)各類表情的識(shí)別結(jié)果如圖9 所示。圖9 中共7 種表情類別，混淆矩陣圖主對(duì)角線上數(shù)字為該優(yōu)化算法對(duì)各類表情的識(shí)別準(zhǔn)確率。由圖9 可以得出，本文算法對(duì)一些表情變化不明顯和不容易區(qū)分的類別誤判率較高。圖9（a）中，類間準(zhǔn)確率較低的是恐懼（0.62）和悲傷（0.62），因悲傷和恐懼表情有著相似的嘴角和眉毛變化，導(dǎo)致二者的核心特征難以被充分學(xué)習(xí)。圖9（b）中，蔑視的準(zhǔn)確率最低（0.955），因蔑視表情表現(xiàn)為微抬嘴唇，嘴角微微上揚(yáng)，面部肌肉運(yùn)動(dòng)幅度小，導(dǎo)致在SVM 分類中不易被判斷和識(shí)別。

圖9 各數(shù)據(jù)集生成的表情類別混淆矩陣圖Fig.9 Confusion matrix of expression category generated by each dataset

圖10 描述了傳統(tǒng)LeNet-5 算法與本文算法在Fer2013 數(shù)據(jù)集和CK+數(shù)據(jù)集上的識(shí)別準(zhǔn)確率對(duì)比曲線。由圖10 可見，傳統(tǒng)LeNet-5 算法在Fer2013 數(shù)據(jù)集上的識(shí)別率為61.2%，而改進(jìn)模型識(shí)別率達(dá)到73.4%，提升了2.2 個(gè)百分點(diǎn)；且改進(jìn)模型在CK+數(shù)據(jù)集上識(shí)別率維持在98.06%。本文算法在兩個(gè)表情數(shù)據(jù)庫上效果比傳統(tǒng)LeNet-5 算法更好的原因：1）改進(jìn)的CNN 結(jié)合了GAP 的優(yōu)點(diǎn)，GAP 層在特征圖與最終分類間轉(zhuǎn)換更簡(jiǎn)單且省略大量訓(xùn)練參數(shù)的特點(diǎn)；2）Softmax 函數(shù)分配一個(gè)高值給某個(gè)節(jié)點(diǎn)，其余節(jié)點(diǎn)分配低值，結(jié)果兩極分化。SVM 是計(jì)算每一類樣本的估計(jì)概率值，分類性能更可靠。

圖10 傳統(tǒng)模型和改進(jìn)模型在Fer2013、CK+數(shù)據(jù)集上的識(shí)別準(zhǔn)確率比較Fig.10 Comparison of recognition accuracy between traditional model and the improved model on Fer2013 and CK+datasets

為進(jìn)一步驗(yàn)證本文提出的改進(jìn)CNN+SVM 算法的優(yōu)越性，將本文算法與其他算法進(jìn)行綜合對(duì)比分析。輕量級(jí)卷積+注意力機(jī)制（Lightweight Convolution Model based on Attention，LCMA）算法，通過分解多路通道卷積減少模型參數(shù)，得到69.6% 的識(shí)別率。改進(jìn)CNN+自編碼器（AutoEncoder，AE）引入含注意力機(jī)制的CNN 通道和卷積自編碼器預(yù)訓(xùn)練通道相結(jié)合的雙通道模型，利用殘差思想提取表情特征，取得72.7%的識(shí)別率。結(jié)合單發(fā)多盒檢測(cè)器（MobileNet Single Shot multibox Detector，MSSD）及核濾波（Kernel Correlation Filter，KCF）模型MSSD+KCF對(duì)輕量級(jí)CNN 改進(jìn)，跟蹤檢測(cè)人臉坐標(biāo)信息，以多尺度特征融合的方式快速精確地識(shí)別表情特征。CNN+改進(jìn)Softmax先在中心損失函數(shù)的基礎(chǔ)上增加注意力機(jī)制，再融合Softmax 損失函數(shù)共同監(jiān)督表情訓(xùn)練，得到良好的識(shí)別性能。淺層CNN是在LeNet-5 基礎(chǔ)之上調(diào)整并移除兩個(gè)全連接層，利用簡(jiǎn)單網(wǎng)格搜索方法對(duì)圖像隨機(jī)旋轉(zhuǎn)的角度進(jìn)行最優(yōu)搜索，取得不錯(cuò)的分類效果。

由圖11（a）可見，本文算法識(shí)別準(zhǔn)確率較優(yōu)，這是因?yàn)镃NN 在逐層提取表情特征時(shí)，小尺寸卷積核提取的特征屬性不同，能充分提取圖像更細(xì)節(jié)和局部的信息，改善了識(shí)別效果；GAP 層改進(jìn)傳統(tǒng)CNN 中的全連接層，將卷積層輸出特征圖的展平向量過程和分類操作合二為一，直接在特征圖通道上做變換，進(jìn)行降維減參處理，提高了識(shí)別準(zhǔn)確率。

在CK+數(shù)據(jù)集的對(duì)比實(shí)驗(yàn)中，淺層神經(jīng)網(wǎng)絡(luò)利用數(shù)據(jù)增強(qiáng)及人臉裁剪的手段得到97.38%的識(shí)別率；CNN+SVM通過在LeNet-5 算法的基礎(chǔ)上增加一層卷積層和池化層，再融合SVM 分類器的方法提升表情識(shí)別效果；改進(jìn)AlexNet通過減少AlexNet 網(wǎng)絡(luò)上卷積層的方法，得到97.46%的識(shí)別結(jié)果；多尺度卷積方法在AlexNet 中引入多尺度卷積，提取不同尺度的特征信息，并把低層次特征信息在向下傳遞的同時(shí)與高層次特征信息進(jìn)行跨連接特征融合，取得較高的識(shí)別準(zhǔn)確率；CNN+LBP利用LBP 提取表情特征，然后用均值聚類方法得到樣本模板，結(jié)合CNN 進(jìn)行表情的識(shí)別，方法有效。由圖11（b）可知，所提出的改進(jìn)CNN+SVM 算法識(shí)別準(zhǔn)確率相較于傳統(tǒng)機(jī)器學(xué)習(xí)方法和改進(jìn)CNN 都有進(jìn)一步的提升，這是因?yàn)橥ㄟ^小尺寸卷積核串并聯(lián)融合的技術(shù)避免了表情圖像有利信息的遺漏，減少了計(jì)算量，再融合SVM 分類器在小樣本數(shù)據(jù)集上的分類優(yōu)勢(shì)，使得分類效果更優(yōu)。

圖11 Fer2013、CK+數(shù)據(jù)集上不同方法的識(shí)別效果比較Fig.11 Comparison of recognition effects of different methods on Fer2013 and CK+datasets

4 結(jié)語

由于人們?cè)谇楦薪涣鲿r(shí)表現(xiàn)出多種混合表情，導(dǎo)致面部表情的識(shí)別特殊且復(fù)雜。為解決各種網(wǎng)絡(luò)模型及其變體識(shí)別面部表情時(shí)存在的結(jié)構(gòu)復(fù)雜、識(shí)別不夠理想等問題，本文提出了改進(jìn)CNN 與SVM 相結(jié)合的算法，用于準(zhǔn)確且快速地對(duì)表情狀態(tài)分類。通過網(wǎng)絡(luò)串并聯(lián)融合的方式提取到更為全局且代表性更強(qiáng)的表情特征，并設(shè)計(jì)維度自適應(yīng)GAP 層融合SVM 分類器，有效減少CNN 模型總參數(shù)量。由對(duì)比實(shí)驗(yàn)得出，該改進(jìn)算法在Fer2013 數(shù)據(jù)集上的識(shí)別準(zhǔn)確率相較于傳統(tǒng)LeNet-5 算法提升了2.2 個(gè)百分點(diǎn)，具有一定的識(shí)別效果和穩(wěn)健性。但本文未考慮面部表情信息缺失及非正面人臉圖像在復(fù)雜環(huán)境下的識(shí)別率情況，如何將本文算法應(yīng)用于復(fù)雜環(huán)境下的表情識(shí)別系統(tǒng)中將是下一步的研究工作。