劉宣彤

摘?要：在“互聯(lián)網(wǎng)+”技術(shù)的發(fā)展推動下，人臉識別技術(shù)也逐漸趨于成熟，但是面部表情識別技術(shù)作為難點技術(shù)，尚未被有效攻克，如果將面部表情識別技術(shù)與物聯(lián)網(wǎng)技術(shù)相結(jié)合，則會賦予計算機以人類的感情，有利于物聯(lián)網(wǎng)時代的開啟。本文通過對面部表情識別方法進行分析，希望對促進面部表情識別技術(shù)的發(fā)展有所幫助。

關(guān)鍵詞：深度學(xué)習(xí);面部表情;識別

面部表情是一種人類特有的情感表達方式，也是分析人類情感和行為的重要依據(jù)，在“互聯(lián)網(wǎng)+技術(shù)”和人工智能技術(shù)發(fā)展的背景下，面部表情識別技術(shù)已經(jīng)成為人們重點關(guān)注的話題，并出現(xiàn)了多種識別方法。伴隨著芯片處理能力的不斷加強，研究人員已經(jīng)將目光轉(zhuǎn)向深度學(xué)習(xí)，已經(jīng)取得了初步的成效。因此，對基于深度學(xué)習(xí)的面部表情識別進行研究，具有十分重要的意義。

一、深度學(xué)習(xí)

深度學(xué)習(xí)指的是在多層神經(jīng)網(wǎng)絡(luò)上，應(yīng)用不同種類的機器學(xué)習(xí)算法，對圖像、文本等問題進行解決的算法集合。[1]基于深度學(xué)習(xí)，計算機可以對數(shù)據(jù)結(jié)構(gòu)進行發(fā)現(xiàn)和調(diào)整，并依據(jù)前一個圖層的表示，對每個圖層表示進行計算。深度學(xué)習(xí)最顯著的特點就是特征學(xué)習(xí)，其目的在于獲取分層特征信息，以此來解決傳統(tǒng)特征提取方法存在的問題。深度學(xué)習(xí)就是所謂的深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練，伴隨著硬件處理能力的不斷提升，重新成為了相關(guān)領(lǐng)域重點關(guān)注的內(nèi)容。

二、基于深度學(xué)習(xí)的面部表情識別分析

（一）面部表情圖像預(yù)處理

預(yù)處理是面部表情識別的重要步驟，其主要目的在于排除干擾特征提取的各項因素，例如：環(huán)境、姿勢和背景等，在干擾排除后，讓人類面部表情直接與系統(tǒng)相對接，促使面部特征對應(yīng)的語義位置準確無誤。實現(xiàn)預(yù)處理的方法有以下幾種：一是人臉檢測;二是人臉對齊;三是數(shù)據(jù)增強;四是人臉歸一。

1.人臉檢測

人臉檢測主要是對人類的面部進行檢測，在檢測的同時，排除干擾因素和其他區(qū)域。傳統(tǒng)的人臉檢測方法主要由人工操作完成，工作人員會利用專業(yè)的設(shè)備完成這項工作，但是這種檢測方法，無法有效克服環(huán)境因素的干擾，檢測效果十分有限。而隱馬爾可夫人臉檢測器應(yīng)用效果卻十分顯著，取得了廣泛的應(yīng)用。在深度學(xué)習(xí)階段，又出現(xiàn)了一系列先進的人臉檢測器，不僅工作效率高，還能應(yīng)對各種干擾因素的影響。目前，級聯(lián)結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用，使人臉檢測性能得到顯著增強。

2.人臉對齊

為進一步強化人臉檢測的效果，人臉對齊技術(shù)應(yīng)運而生，人臉對齊好比在一個已經(jīng)設(shè)置好固定點位的系統(tǒng)中，對這些固定點進行搜索，繼而構(gòu)成人臉的形狀。人臉對齊首先會由一個大致的形狀開始，然后不斷對人臉形狀進行細化和估計。[2]在搜索點的過程中，需要使用以下兩種信息：一是人臉外觀;二是人臉形狀。形狀是指為搜索提供一個大致的范圍，目前使用最為廣泛的方法是IntraFacc軟件。

3.數(shù)據(jù)增強

深度學(xué)習(xí)雖然效果十分顯著，但對于數(shù)據(jù)的要求十分嚴格，只有確保數(shù)據(jù)量的充足有效，才能強化工作效果。但是現(xiàn)階段常用的FER數(shù)據(jù)集，卻無法完全滿足深度學(xué)習(xí)對數(shù)據(jù)的要求，繼而會導(dǎo)致過擬合現(xiàn)象的發(fā)生。因此，數(shù)據(jù)增強成為了保證面部表情識別有效性的重要步驟。目前，應(yīng)用效果顯著的數(shù)據(jù)增強方法有以下幾種：一是旋轉(zhuǎn)反射變換法;二是縮放變換法;三是尺度變換法;四是對比度變換法;五是顏色變化法。這些數(shù)據(jù)增強方法的應(yīng)用，促進了面部表情識別技術(shù)的發(fā)展。

4.人臉歸一化

由于燈光和頭部姿勢的變化，會對面部表情識別效果造成直接的影響，因此，應(yīng)用人臉歸一化方法，消除這些變化的對識別效果的影響十分關(guān)鍵。常用的人臉歸一化方法為兩種：一是灰度歸一化;二是幾何歸一化。增加圖像的亮度，凸顯圖像的細節(jié)，消除外界環(huán)境因素對圖像的干擾，是灰度歸一化的主要功能。除了增加亮度功能之外，灰度歸一化還可以調(diào)整對比度。對比度調(diào)整方法包括直方圖均衡化、IS歸一化、DCT歸一化和高斯歸一化法等。在這些方法中，比較適用于深度學(xué)習(xí)面部表情識別的方法為直方圖均衡化，究其原因，主要是這種方法較為穩(wěn)定，契合于網(wǎng)絡(luò)模型。幾何歸一化的功能是生成面部視圖，但現(xiàn)階段，該方法的發(fā)展還不完善，尚存在一定的不足。

（二）基于序列特征的方法

基于序列特征的方法主要有兩種：一種是光流法;另一種是模型法。其中光流法是指幀在變化過程中會凸顯出來一些重要的特征信息，在明確圖像序列目標的構(gòu)造的基礎(chǔ)上，對目標的形變和圖像顏色在空間和時間上的變化情況進行把握，這種動態(tài)化序列特征提取，應(yīng)用范圍十分廣泛。而模型法是指利用模型對人的面部進行追蹤，并將通過追蹤獲取的模型和幀圖像信息作為依據(jù)，對人的面部表情進行有效的識別。

（三）深度卷積神經(jīng)網(wǎng)絡(luò)

深度神經(jīng)網(wǎng)絡(luò)已經(jīng)被廣泛應(yīng)用于視覺對象識別任務(wù)之中，它能夠使神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)處理能力得到顯著提升，其方法是在神經(jīng)網(wǎng)絡(luò)內(nèi)構(gòu)建一個與人類大腦相似的學(xué)習(xí)結(jié)構(gòu)。這個學(xué)習(xí)結(jié)構(gòu)可以對一些多級表示和抽象進行學(xué)習(xí)，從而賦予計算法在聲音、文字和圖像中找到復(fù)雜模式的能力。研究人員在2012年發(fā)現(xiàn)將自動編碼器應(yīng)用于CNN之中，做逐層訓(xùn)練，可以對高層次的網(wǎng)絡(luò)進行訓(xùn)練，但經(jīng)過繼續(xù)研究，發(fā)現(xiàn)初始化策略的效果要優(yōu)于逐層訓(xùn)練，因而提出了批量歸一化方法，這一方法的使用，促進了深層網(wǎng)絡(luò)的發(fā)展，從而使深層學(xué)習(xí)面部表情識別成為了可能。

三、結(jié)論

綜上所述，面部表情識別具有非常高的實用價值和商業(yè)價值。如今，對于面部表情識別的研究正在不斷進行，在此期間，產(chǎn)生了多種方法和結(jié)構(gòu)。通過對這些方法進行分析，有利于加深我們對面部表情識別的理解。

參考文獻：

[1]陸嘉慧，張樹美，趙俊莉.基于深度學(xué)習(xí)的面部表情識別研究[J].計算機應(yīng)用研究，1-8[2019-03-07].

[2]夏晨.基于視頻序列的人臉表情識別方法研究[D].合肥工業(yè)大學(xué)，2018.