陕西科技大学 电子信息与人工智能学院，陕西 西安710021
针对ResNet18网络模型在面部表情识别时存在网络模型大、准确率低等问题，提出了一种基于注意力机制ResNet轻量网络模型（Multi-Scale CBAM Lightweight ResNet，MCLResNet），能够以较少的参数量、较高的准确率实现面部表情的识别。首先，采用ResNet18作为主干网络提取特征，引入分组卷积减少ResNet18的参数量；利用倒残差结构增加网络深度，优化了图像特征提取效果。其次，将CBAM（Convolutional Block Attention Module）通道注意力模块中的共享全连接层替换为1×3的卷积模块，有效减少了通道信息的丢失；在CBAM空间注意力模块中添加多尺度卷积模块获得了不同尺度的空间特征信息。最后，将多尺度空间特征融合的CBAM模块（Multi-Scale CBAM，MSCBAM）添加到轻量的ResNet模型中，有效增加了网络模型的特征表达能力，另外在引入MSCBAM的网络模型输出层增加一层全连接层，以此增加模型在输出时的非线性表示。该模型在FER2013和CK+数据集上的实验结果表明，本文提出的模型参数量相比ResNet18下降82.58%，并且有较好的识别准确率。
ResNet轻量网络 多尺度空间特征融合 面部表情识别 注意力机制 lightweight resnet network multi-scale spatial feature fusion facial expression recognition attention mechanism
1 重庆邮电大学 1. 光电信息感测与传输技术重点实验室
2 重庆市信息无障碍与服务机器人工程技术研究中心, 重庆 400065
特征提取是面部表情分类识别的研究重点。针对原始局部方向模式(Local Directional Pattern, LDP)特征提取速率缓慢的问题, 对LDP的编码方案进行改进, 设计了nLDP(new Local Directional Pattern)算子。选择Kirsch算子的 4个方向模板来获取边缘响应值, 然后将正的边缘响应置为1, 负的边缘响应置为0, 从而获得nLDP特征表示, 最后采用支持向量机(SVM)对表情进行识别。实验结果验证了提出的nLDP算子在保证表情识别准确率的同时, 有效地提高了表情识别的速率。
面部表情识别 Kirsch算子 局部方向模式 支持向量机 facial expression recognition Kirsch operator LDP SVM
重庆邮电大学, 重庆市高校光纤通信技术重点实验室, 重庆 400065
针对离散余弦变换(DCT)只能提取面部表情图像的全局特征, 而忽略了临近像素之间的关系、不能提取纹理特征信息、不能准确区分相似表情等问题, 提出一种融合离散余弦变换方法和局部二值模式(LBP)特征的表情特征提取方法。该方法首先将人脸图像经过DCT获得的低频系数作为表情的全局特征; 然后用LBP对贡献率较大的嘴部、眼睛区域进行局部纹理特征提取, 通过将LBP提取到的局部纹理特征与DCT提取到的全局特征进行融合, 从而得到更有效的表情特征; 最后利用支持向量机(SVM)进行识别。实验结果表明: 该方法比单独使用DCT方法提取的表情特征更有利于识别, 提高了表情识别的准确性, 并将这个表情识别方法用于智能轮椅的控制上, 收到了良好的效果。
面部表情识别 facial expression recognition DCT DCT LBP LBP SVM SVM
重庆大学 光电技术及系统教育部重点实验室,重庆 400030
提出了一种新的有监督核局部线性嵌入算法(SKLLE),并将算法应用于面部表情识别中。该算法通过非线性核映射将人脸图像样本投影到高维核空间,然后将人脸图像局部流形的结构信息和样本的类别信息有效地结合进行维数约简,提取低维鉴别流形特征用于表情分类。SKLLE算法不仅能发现嵌入了高维人脸图像空间的低维表情子流形,增强了局部类间的联系,而且对新样本有较好的泛化性。基于JAFFE面部表情库的实验结果表明,该方法能很好地实现维数约简,达到最高识别率(100%)所需的鉴别维数仅为二维,有效地提高了面部表情识别的性能。
流形学习 核技巧 局部线性嵌入 有监督学习 面部表情识别 manifold learning kernel trick Local Linear Embedding(LLE) supervised learning facial expression recognition
