首页 > 论文 > 激光与光电子学进展 > 56卷 > 21期(pp:211503)

基于CNN局部特征融合的人脸表情识别

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

为了提高人脸表情的实时分类的识别率和实时性,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)局部特征融合的人脸表情识别方法。首先,构建CNN模型学习眼睛、眉毛、嘴巴3个局部区域的局部特征;然后,将局部特征送入SVM多分类器获取各类特征的后验概率;最后,通过粒子群寻优算法优化各特征的最优融合权值,实现正确率最优的决策级融合,完成表情分类,对于基本的7中表情即生气、厌烦、恐惧、开心、平常、伤心、惊讶进行分类。实验采用CK+数据库作为数据集,平均识别率达到了94.56%,识别时间2685ms。实验数据表明,该方法性能优越,提高了算法的识别率和鲁棒性,同时保证了算法的实时性。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop56.211503

作者单位:

    安徽新华学院
    解放军陆军炮兵防空兵学院博士后流动站,安徽新华学院信息工程学院
    安徽新华学院

引用该论文

姚丽莎,徐国明,赵. 基于CNN局部特征融合的人脸表情识别[J].激光与光电子学进展,2019,56(21):211503.