多信息融合的深度学习人脸表情识别算法研究

• 作者: 邱卫根 阮凯
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 表情识别 深度学习 稀疏自编码器 多信息融合
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 图形图像处理
• 页码范围: 192-196,243
• 页数: 6页
• 分类号: TP391
• 字数: 4546字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1802-0128

摘要

人脸表情识别作为人机交互系统的重要组成部分,在安防监控、人机交互等领域有广泛的应用,是计算机视觉的研究热点.传统的卷积神经网络方法一般提取单张人脸图像或者人脸标记点作为特征提取的输入数据,未能考虑到人脸全域的表情信息.提出了一种基于三通道多信息融合的深度学习人脸表情识别模型,以人脸图像表情平静到高峰时期标记点坐标的相对位移为输入,提取整个人脸表情图像特征信息,模型融合了稀疏自编码器以提高对边缘特征提取效率.该模型在CK+数据集上进行了训练和测试,实验结果表明,与该领域中的同类算法相比,该算法模型提高了表情识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邱卫根	广东工业大学计算机学院	46	160	7.0	10.0
2	阮凯	广东工业大学计算机学院	1	2	1.0	1.0