基于多任务深度卷积神经网络的人脸/面瘫表情识别方法

被引：9

作者：

彭先霖 ^{[1
]}

张海曦 ^{[1
]}

胡琦瑶 ^{[2
]}

机构：

[1] 西北工业大学电子信息学院

[2] 西北大学信息科学与技术学院

来源：

西北大学学报(自然科学版) | 2019年 / 49卷 / 02期

关键词：

表情识别; 人脸识别; 面瘫表情识别; 深度卷积网络; 多任务学习;

D O I：

10.16152/j.cnki.xdxbzr.2019-02-003

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

由于人类个体面部形态各种各样,使得不同人在表达同一感情时有可能产生较大的视觉差异,为了减弱这种内类视觉差异性对人脸表情识别产生的影响,该文提出一种分层多任务学习的人脸表情识别方法,该方法以现有深度卷积神经网络模型为基础,构造双层树分类器以替换输出层的平面softmax分类器,构建深度多任务学习框架,通过利用人脸表情标签和人脸标签共同学习更具辨识力的深度特征,将知识从相关人脸识别任务中迁移过来,从而减弱面部形态对表情识别的影响,提高表情识别性能。实验结果表明,相较于VGGnet,Googlenet和Resnet深度模型,文中提出的方法均提高了人脸表情识别率,且成功推广到面瘫表情识别问题中。

引用

页码：187 / 192

页数：6

共 8 条

[1] 一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法 [J].

侯小红 ;

郭敏 .

西北大学学报(自然科学版), 2017, 47 (02) :209-214

[2] 基于LBP/VAR与DBN模型的人脸表情识别 [J].

何俊 ;

蔡建峰 ;

房灵芝 ;

何忠文 .

计算机应用研究, 2016, 33 (08) :2509-2513

[3]

边缘检测算法及其在面瘫识别系统中的应用[D]. 闫亚美.长春工业大学. 2017

[4] Facial Expression Recognition via Deep Learning [J].

Zhao, Xiaoming ;

Shi, Xugan ;

Zhang, Shiqing .

IETE TECHNICAL REVIEW, 2015, 32 (05) :347-355

[5]

Patterns of Facial Nerve Synkinesis[J] . C. JohnMoran,J. GailNeely. The Laryngoscope . 2009 (12)

[6]

Natural facial expression recognition using differential-AAM and manifold learning[J] . Yeongjae Cheon,Daijin Kim. Pattern Recognition . 2008 (7)

[7] A principal component analysis of facial expressions [J].

Calder, AJ ;

Burton, AM ;

Miller, P ;

Young, AW ;

Akamatsu, S .

VISION RESEARCH, 2001, 41 (09) :1179-1208

[8]

Face recognition using principle component analysis (PCA)and linear disciminant analysis (LDA) .2 ZAINUDIN M N S,RADI H R,MUNIROH A S,et al. International Journal of Electrical&Computer Sciences . 2012

← 1 →