表情识别算法研究进展与性能比较

摘要：

表情是人类情感在面部的表达方式,包含了诸多有用的人类情感和心理活动信息,而表情识别则是研究分析这些信息并进行正确分类的工作.目前,表情识别已成为互联网及相关行业的关注热点,在新兴的智能家居、情感机器人等方面具有较好的应用前景.为此,在分析已有研究成果的基础上,基于Cohn-Kanade库表情,选用卷积神经网络、支持向量机和Adaboost三类算法作为研究对象,通过算法结构设计和参数优化分别得到三类算法相对较优的算法结构,并根据识别过程和识别结果进行了三类算法的对比分析.实验结果及其分析表明,卷积神经网络对Cohn-Kanade表情库的识别效果最好,而Adaboost的处理时间最短,支持向量机的识别效果介于两者之间;表情识别算法的研究及其性能分析为人脸表情识别的实际应用提供了有益的借鉴与参考.

关键词：人脸表情识别、卷积神经网络、支持向量机、Adaboost、人机交互

所属期刊栏目：28

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然基金重点项目61432004

在线出版日期：2018-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：145-149