基于改进随机森林分类器在RGBD面部 表情上的应用研究

• 作者: 倪蓉蓉 张御宇 杨彪
• 来源期刊: 南京师大学报（自然科学版）
• 学科: 工学
• 关键词: 面部检测 面部表情识别 RGBD面部图像 特征选择随机森林 面部几何特征
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 人工智能算法与应用专栏
• 页码范围: 82-89
• 页数: 8页
• 分类号: TP391
• 字数: 7179字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4616.2019.01.013

摘要

面部表情识别是机器感知人类情绪变化的重要途径.利用面部RGB图像可以进行表情识别,但是容易受到光照变化影响,而且较难刻画细微表情变化.对采用RGBD面部图像识别6种基本面部表情(高兴、悲伤、愤怒、沮丧、恐惧以及惊讶)进行研究.首先利用深度图像鲁棒地检测面部;然后在面部灰度图像中检测并跟踪二维面部标记点,并添加对应的深度信息构造深度面部几何特征,从而有效识别细微表情变化;最后利用基于特征选择的随机森林分类器对不同面部表情进行识别.基准数据库上的对比实验结果表明本文算法的表情识别准确率高于主流基于手动提取特征的面部表情识别方法,接近基于卷积神经网络的识别算法性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨彪	常州大学信息科学与工程学院	11	22	2.0	4.0
2	张御宇	常州大学信息科学与工程学院	2	1	1.0	1.0
3	倪蓉蓉		6	7	2.0	2.0