一文教你如何用ResNet进行表情识别

在线聊天已经成为了人们的日常，新生代的年轻群体最爱用的就是一些表情包了，一言不合就来一场表情大战，每个人的收藏夹都有近百个表情收录着，等待着聊天启用。

但是，现在的表情只限于收藏，没有分类功能，但后续会随着FER（面部表情识别技术）的发展，使得这一功能成为现实。

01

人脸识别与表情识别

1971年，心理学家Ekman与Friesen最早提出了人类有六种主要情感，它们分别是愤怒（anger）、高兴(happiness)、悲伤 (sadness)、惊讶(surprise)、厌恶(disgust)和恐惧(fear)，每一种情感以唯一的表情来反映当时的心理活动。

表情识别是可以用单感官和多感官想配合来完成的，它是一个整体识别和特征识别共同作用的结果。表情识别是人脸识别的一种，也遵循特征点检测。

特征点是预先定义的一组脸部或五官轮廓的点。远处辨认人，主要是整体识别，而在近距离面部表情识别中，特征部件识别则更重要。

02

分类网络ResNet做表情识别

人脸表情识别可以看做是一个图像分类任务，可以先使用深度卷积神经网络提取图像特征，而后选用ResNet作为分类模型，来完成这个人脸表情识别任务。

识别也就是我们常说的“分类”，利用ResNet实现表情识别，可以利用ResNet对特征的强大利用能力达到不错的识别性能。从ResNet原理入手，你可以一窥易用好用的人工智能技术。

03

表情识别广泛应用

表情识别是人类表达感情，传递内心世界的重要途径，人脸表情识别技术也在人机交互，安全，汽车等领域发挥着巨大的作用。例如在犯罪侦查系统中，可以通过表情识别技术分析嫌疑人的心理活动等。

目前的表情识别提取特征方法主要有两种方法：

手工提取特征

通过构建深度神经网络进行自动学习提取特征

相对于手工提取特征方法，深度神经网络可以提取到更加高级的特征，识别效果更明显。

第二种方法可以做到输入原始图像，经过网络的自动训练，就能输出我们想要的结果，目前已经广泛的应用于工业界。

编辑：jq