1 引言
1.1應用價值
人臉表情識別在人機互動、教育、安防、輔助駕駛、廣告等領域均有廣泛應用，是乙個很有發展前景的方向。
目前，僅針對人臉識別的技術相對成熟，表情識別還有很大市場，接下來需要做的是將表情識別運用到實際場景中，將其與現實需求進行良好結合。例如在遊戲製作上面，可以根據人類情感做出實時反映，增強玩家沉浸感；在遠端教育方面，可以根據學生表情調整授課進度、授課方法等；在安全駕駛方面，可以根據司機表情，判斷司機駕駛狀態，避免事故發生；在公共安全監控方面，可以根據表情判斷是否有異常情緒，預防犯罪；在製作廣告片的時候，可以根據試看者表情找到他們情緒波動最大的段落，就是最佳的logo插入點。與其類似，還可以幫助電影製作方尋找出一部電影中最吸引人的部分來製作電影預告片。
1.2相關研究
1、資料庫 — 實驗室小規模資料à現實生活多樣化大規模資料
2、演算法 — 傳統手工特徵—>深度學習
演算法方面，傳統手工特徵易受光照、姿態等因素影響，真實場景中魯棒性不高，基於深度學習，可以極大程度提高表情識別效能
表情識別發展
1.3存在問題
深度學習 —> 表情識別精度提高—>模型體積更大、速度更慢、功耗更高—> 輕量化模型。
要想更加高效的將表情識別落地應用，部署至終端，就需要更加輕量化的模型，這個模型需要又小、又快、又好。
2 目的|創新點
1、人臉檢測 —> 表情識別，取得較高人臉檢測、表情識別準確率；
2、模型壓縮 —> 對比測試，準確率保證的同時，減小模型體積、提高執行速度；
3、設計實現一套輕量化人臉表情識別系統，其精度、速度、模型大小等綜合表現優異；
人臉表情識別
首先我們來了解一下表情識別的相關背景知識以及發展近況。人臉表情是最直接 最有效的情感識別模式。它有很多人機互動方面的應用，例如疲勞駕駛檢測和手機端實時表情識別。早在20世紀ekman等專家就通過跨文化調研提出了七類基礎表情，分別是生氣，害怕，厭惡，開心，悲傷，驚訝以及中立。然而不斷的研究發現這七類基...
人臉識別面部表情
import dlib 人臉識別的庫dlib import numpy as np 資料處理的庫numpy import cv2 影象處理的庫opencv class face emotion def init self 使用特徵提取器get frontal face detector self.d...
模型輕量化
1.輕量化網路 參考 mobilenet v1核心是把卷積拆分為depthwise pointwise兩部分。圖5為了解釋mobilenet，假設有 的輸入，同時有 個的卷積。如果設定 且，那麼普通卷積輸出為 如圖6。圖6 普通3x3卷積，k 2 depthwise是指將 的輸入分為 組，然後每一組...