一种基于Keras和CNN的人脸表情识别系统设计

摘要：

采用深度学习算法的人脸表情识别系统需要较高的CPU或GPU硬件进行模型训练.实践中也需要将模型嵌入不同的硬件终端平台进行识别,工程化后的系统软硬件成本较高.该文提出一种B/S结构的低成本静态图片人脸表情识别系统,技术路线采用Bootstrap、Python、Anaconda、Tensorflow和Keras,采用CNN实现人脸检测定位和表情检测分类功能.模型训练集采用了CK+、Fer2013、日本的JAFFE等开放数据库.系统通过浏览器端上传人脸表情图片进行识别处理,将GPU训练好的CNN模型在单机低端硬件配置上实现了内存预先加载,单张识别速度小于0.002秒,总体表情识别率可以达到65％左右.

关键词：Keras、FER、CK+

所属期刊栏目：14

分类号：TP391(计算技术、计算机技术)

在线出版日期：2019-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：178-179