第49卷第2期2023年2月ComputerEngineering计算机工程基于人脸关键特征提取的表情识别冉瑞生，翁稳稳，王宁，彭顺顺（重庆师范大学计算机与信息科学学院，重庆401331）摘要：自然场景下人脸表情由于受遮挡、光照等因素影响，以及表情局部变化细微，导致现有人脸表情识别方法准确率较低。提出一种人脸表情识别的新方法，以ResNet18为主干网络，利用残差连接模块加深网络结构，以提取更多深层次的表情特征。通过引入裁剪掩码模块，在训练集图像上的某个区域进行掩码，向训练模型中增加遮挡等非线性因素，提升模型在遮挡情形下的鲁棒性。分别从特征图的通道和空间两个维度提取表情的关键特征，并分配更多的权重给表情变化明显的特征图，同时抑制非表情特征。在特征图输出前加入Dropout正则化策略，通过在训练中随机失活部分神经元，达到集成多个网络模型的训练效果，提升模型泛化能力。实验结果表明，与L2-SVMs、IcRL、DLP-CNN等方法相比，该方法有效提高了表情识别准确率，在2个公开表情数据集Fer2013和RAF-DB上的识别准确率分别为74.366%和86.115%。关键词：注意力机制；残差网络；人脸表情识别；裁剪掩码；Dropout正则化开放科学（资源服务）标志码（OSID）：中文引用格式：冉瑞生，翁稳稳，王宁，等.基于人脸关键特征提取的表情识别［J］.计算机工程，2023，49（2）：254-262.英文引用格式：RANRS，WENGWW，WANGN，etal.Expressionrecognitionbasedontheextractionofkeyfacialfeatures［J］.ComputerEngineering，2023，49（2）：254-262.ExpressionRecognitionBasedontheExtractionofKeyFacialFeaturesRANRuisheng，WENGWenwen，WANGNing，PENGShunshun（SchoolofComputerandInformationScience，ChongqingNormalUniversity，Chongqing401331，China）【Abstract】Theaccuracyofexistingfacialexpressionrecognitionmethodsistypicallylowowingtotheinfluenceofocclusion，illumination，andotherfactorsandtosubtlelocalvariationsinfacialexpressionsinnaturalscenes.Thisstudypresentsanewmethodforfacialexpressionrecognition.AResNet18modelisadoptedasthebackbonenetwork，andaresidualconnectionmoduleisemployedforadeepernetworkstructuretoextractdeeperexpressionfeatures.First，acutoutmoduleisintroduced.Bymaskingacertainareaofeachimageinthetrainingset，themodellearnstoconsiderseveralnonlinearfactors，suchasocclusion，t...
