一种基于混合深度置信模型的面部表情识别方法

• 作者: 房鼎益 杨雨浓 王洪
• 来源期刊: 西南大学学报（自然科学版）
• 学科: 工学
• 关键词: 表情识别 置信网络 混合模型 特征学习
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 信息科学
• 页码范围: 142-147
• 分类号: TP391
• 语种: 中文
• DOI: 10.13718/j.cnki.xdzk.2016.06.023

摘要

针对特征提取算法中存在的特征标注困难、有效特征丢失等问题,文中提出一种基于混合深度置信模型的识别方法,该方法利用深度模型来解决维度灾难,实现视觉特征的分层学习,从而提高识别精度.首先,为达到融合局部特征和全局特征信息的目的,本文根据表情特征分布特点进行图像分割,由分割的关键区域图像和整体图像加上不同的贡献度形成混合模型;其次,将图像输入到深度置信网络中,实现数字图像视觉特征的分层学习,抽象出代表表情类别的有效特征,从而避免人工设计特征提取中存在的提取困难和特征丢失的缺陷;最后,利用训练样本求解、更新混合模型组件的贡献度,提升算法的精度和鲁棒性.在JAFFE、Cohn-kanade表情库中的实验结果表明,本文提出的混合深度置信模型方法能对表情视觉特征进行有效学习,提高了表情识别的精度,识别率达到97.94％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	房鼎益	西北大学信息科学与技术学院	124	1289	16.0	31.0
2	杨雨浓	西北大学信息科学与技术学院	8	18	3.0	4.0
6	王洪	重庆师范大学教务处	6	28	3.0	5.0