基于时序融合策略的深度卷积网络动态表情识别
静态表情识别是对单一图像进行特征提取及学习训练,相比于动态表情识别缺少表情变化的时间动态信息.为利用上表情在时间上的变化特征,提出基于时序融合策略的深度网络动态表情识别方法.首先分析动态表情变化"平静-高峰"的过程,利用主动外观模型(AAM),定义峰值距离(PD)和相邻距离(ND),利用两个参数对表情序列进行筛选,除去中性及表达不明显的表情;采用连续4帧序列作为输入,并使用3个VGGFace深度卷积网络分别对输入进行训练,通过构建分类损失函数和排序损失函数将3个网络关联起来,从而达到融合表情序列时间信息的目的 ;最后通过CK+数据库实验验证表明,所提方法结合了深层次卷积网络特征提取的能力以及表情变化信息融合的优势,对比近年表情识别算法,在识别率上具有较强的优势.
动态表情识别;主动外观模型;深度卷积神经网络;损失函数
40
TP391.4(计算技术、计算机技术)
黑龙江省教育厅基本科研业务费项目KYYWF10236190111
2022-01-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
151-157