基于多视角深度网络增强森林的表情识别

作     者：张发勇 刘袁缘 李杏梅 覃杰 Zhang Fayong;Liu Yuanyuan;Li Xingmei;Qin Jie

作者机构：中国地质大学信息工程学院武汉430074 中国地质大学机械与电子信息学院武汉430074 华中数控股份有限公司红外事业部武汉430074 

基　　金：国家自然科学基金(61602429) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2018年第30卷第12期

页      码：2318-2326页

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.

主 题 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 

学科分类：0711[理学-心理学类] 07[理学] 08[工学] 080401[080401] 0804[工学-材料学] 080402[080402] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3724/SP.J.1089.2018.17154

馆 藏 号：203430217...