人脸表情识别是打算机视觉和人工智能领域的一个主要分支，它涉及到识别和剖析人类面部表情，以理解感情和情绪状态，当古人脸表情识别技能的发展和运用正在不断扩展，随着技能的进步，其在社会和经济中的主要浸染将越来越明显。这里给大家先容一下我们的研究团队的实时人脸表情捕捉系统设计方案，该方案要点如下：
1.人脸检测阶段。我们选择轻量级网络MTCNN，为提升实时效率，从网络构造、参数和后端技能三个方面提出优化方案。网络构造方面去除池化层，用深度可分离卷积更换传统卷积层；参数方面减少在PNet阶段图像金字塔的循环次数；后端技能 方面加入多进程技能。末了为办理人脸重叠的问题，利用Soft-NMS更换传统NMS。 通过Wider Face和IFW数据集验证各优化方案的有效性。
2.表情识别阶段。我们除了表情分类任务外，还进行了Valence-Arousal回归任务。我们选择网络规模极小的MobileNetV2和回归任务效果精良的EmoNet两个网络进行实验，在FER2013和AffectNet数据集上利用不同演习办法进行溶解实验，并与其他网络比拟剖析。末了在现实场景下测试，比拟并总结得出各自优点，并选择 MobileNetV2作为后端设计的网络。
3.利用PyQt5进行前后端设计。我们结合多进程技能，实现了一个实时人脸表情捕捉系统，其具备人脸检测、表情识别、数据存储、数据检索功能，并通过测试验证系统的性能和有效性。
人脸表情识别