基于多视角深度网络增强森林的表情识别

• 作者: 刘袁缘 张发勇 李杏梅 覃杰
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 人脸表情识别 多视角深度网络增强森林 头部姿态配准 深度迁移特征学习
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 图像与视觉
• 页码范围: 2318-2326
• 页数: 9页
• 分类号: TN911.73
• 字数: 6518字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2018.17154

摘要

为了提高在自然环境中姿态变化下人脸表情识别的准确性和鲁棒性, 提出一种基于多视角深度网络增强森林的表情识别方法. 首先提取人脸区域的人脸子块以消除人脸遮挡等噪声影响, 通过在预训练的卷积神经网络模型上迁移学习获得深度表情特征; 然后, 估计水平自由度下的头部姿态参数以消除头部姿态运动的影响, 建立多视角条件概率模型, 并将条件概率和神经联结函数引入随机树的节点分裂学习中, 提高模型在有限训练集上的学习能力和区分力; 最后通过多视角权重投票决策人脸表情类别. M-DNF 能够获得不同视角下的表情分类结果, 而不需要大量的数据集训练. 在CK+、多视角BU-3DFE和自发LFW这3个具有挑战的公共人脸数据集上进行实验的结果表明,该方法平均识别准确率分别达到98.85%, 86.63%和57.20%, 均高于目前已有且公认的识别率高的表情识别方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张发勇	中国地质大学信息工程学院	22	257	9.0	15.0
2	李杏梅	中国地质大学机械与电子信息学院	17	82	5.0	9.0
3	刘袁缘	中国地质大学信息工程学院	4	10	2.0	3.0
4	覃杰	华中数控股份有限公司红外事业部	1	2	1.0	1.0