摘要
针对人脸面部表情特征复杂且目标较小,导致大量人工智能算法难以稳定识别的问题,提出一种多流残差网络结合改进支持向量机(support vector machine,SVM)模型的面部表情识别方法.该方法由信息增强、表情特征提取和表情分类三阶段组成.首先,提出自适应多流信息增强模块,突出图像关键信息,提升特征关联程度;其次,提出残差交互融合模块,提取特征图像的空间信息并突出面部表情特征,输出 3 条不同尺度的特征图像保证后续稳定识别;最后,对3 条特征图像使用改进后的SVM进行表情分类,输出识别结果.实验结果表明:所提方法在CK +、FER2013 及JAFFE数据集上的准确率分别达到98.57%、77.28%、96.24%,均优于对比的经典及新颖算法,为AI表情识别领域提供了新思路.
基金项目
国家自然科学基金地区科学基金(71962025)
内蒙古自治区自然科学基金(2023LHMS07002)
国家科技期刊平台
NSTL
万方数据