利用双流卷积神经网络的人脸表情识别方法

您当前的位置：

首页 >

文章列表页 >

利用双流卷积神经网络的人脸表情识别方法

光学图像处理与识别 | 更新时间：2025-09-01

- 利用双流卷积神经网络的人脸表情识别方法
- A facial expression recognition method based on dual-stream convolutional neural network
- 光学技术 2020年46卷第6期页码：712-720
- 作者机构：
  
  1. 1:河南工学院计算机科学与技术学院
  2. 2:河南省生产制造物联大数据工程技术研究中心
  3. 3:武汉理工大学计算机科学与技术学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(61802116);河南省科技厅科技计划项目(192102210248)
- DOI：10.13741/j.cnki.11-1879/o4.2020.06.014
  中图分类号：
- 纸质出版：2020
- 稿件说明：
移动端阅览
翟海庆, 刘丹, 刘晙. 利用双流卷积神经网络的人脸表情识别方法[J]. 光学技术, 2020,46(6):712-720.

A facial expression recognition method based on dual-stream convolutional neural network[J]. 2020, 46(6): 712-720.
翟海庆, 刘丹, 刘晙. 利用双流卷积神经网络的人脸表情识别方法[J]. 光学技术, 2020,46(6):712-720. DOI： 10.13741/j.cnki.11-1879/o4.2020.06.014.

A facial expression recognition method based on dual-stream convolutional neural network[J]. 2020, 46(6): 712-720. DOI： 10.13741/j.cnki.11-1879/o4.2020.06.014.

近年来

人脸表情识别(FER)方法已经取得比较好的识别准确度

但实际环境中由于姿态、遮挡、光照等因素

会对其检测准确度有不小的减弱效果。针对这些问题

提出了一种新的基于双流卷积神经网络(CNN)的FER算法。从外观和几何特征差异两方面入手

建立双流CNN

基于外观特征的网络是提取预处理后图像的局部方向模式(LDP)特征作为该网络的输入

而基于几何特征的网络主要是基于动作单元(AUs)标志点的坐标变化

AUs标志点主要是标志面部做表情时运动肌肉的位置。此外

利用了一种自动编码器技术生成具有中性情绪的面部图像的技术。算法在CK+和JAFFE数据集上进行了验证

检测准确度分别为98.81%和96.05%

与其他最新方法比较均显示出更好的效果。

浏览量

337

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于高光谱遥感的荒漠化草原草种类分类模型研究

基于3D全卷积神经网络的肺叶自动分割方法

基于移动机器人和单目视觉的姿态测量方法

深浅交错式特征融合的人体图像分割方法

基于GAN的人脸超分辨率重建算法研究