面向人臉表情識別的遷移卷積神經網絡研究

翟懿奎 劉 健

(五邑大學信息工程學院，廣東江門 529020)

1 引言

人臉表情識別是模式識別研究中的重要領域，其在人機交互、醫療護理、機器人等領域有著非常重要的應用價值[1]。研究者們提出了很多人臉表情識別算法并成功應用在相關任務中，但是在實際應用環境中，因人臉表情具備個體差異大、主觀性強等因素，如何讓計算機很好地理解并識別真實環境下的人臉表情成為人臉表情識別領域中的重要課題。

人臉表情識別和傳統模式識別任務類似，其研究任務主要分為兩個部分：特征提取和分類識別。針對這兩個部分，研究人員提出許多方法。在人臉表情特征提取方面，主動形狀模型(ASM)[2]等人臉表情幾何特征提取方法，局部二值模式(LBP)[3]、局部相位量化(LPQ)[4]等人臉表情紋理特征提取方法，主成分分析(PCA)[5]、獨立成分分析(ICA)[6]等人臉表情統計特征提取方法，以及Gabor濾波器(Gabor Filters)[7]等人臉表情變換域特征提取方法被提出，并取得了良好的效果。K近鄰識別算法(KNN)[8]、人工神經網絡(ANN)[9]、隱馬爾可夫模型(HMM)[10]以及支持向量機(SVM)[11]等方法相繼被提出并應用于人臉表情識別任務上。

與傳統特征表達和識別方法相比，基于卷積神經網絡的人臉表情識別方法通過構建多層非線性神經網絡，從表情數據庫中學習更深層次的表情特征，將樣本圖像從原始空間變換到抽象特征空間，從而提升識別效果。文獻[12]等基于人臉表情數據集構建卷積神經網絡并進行訓練，實現人臉表情圖像特征的自動提取和識別，獲得了較好的效果。……