基于贝叶斯网和迁移学习的人脸表情识别方法

TP391.41; 针对人脸表情识别建模过程中获取的样本数据稀少、模型确定困难等问题,提出了一种基于贝叶斯网和迁移学习的人脸表情识别方法.首先提取人脸表情图像特征构成面部动作单元(AU)特征样本集,然后通过分析面部表情与 AU 关系建立人脸表情识别贝叶斯网络(BN)结构;其次求得源域BN参数和目标域BN 初始参数,引入迁移机制和平衡因子自适应地进行目标网络的参数学习,建立人脸表情识别BN模型;最后利用BN 推理算法实现人脸表情识别.实验结果表明,在小数据集条件下,该方法相比支持向量机、Adaboost 和卷积神经网络等识别方法具有更高的识别精度....

Full description

Saved in:
Bibliographic Details
Published in陕西科技大学学报 Vol. 40; no. 6; pp. 163 - 169
Main Authors 郭文强, 冯春石, 赵艳, 侯勇严, 徐成, 李惟
Format Journal Article
LanguageChinese
Published 陕西科技大学 电子信息与人工智能学院,陕西 西安 710021%陕西科技大学 电气与控制工程学院,陕西 西安 710021%长安大学 电子与控制工程学院,陕西 西安 710054 2022
Subjects
AU特征
贝叶斯网络
BN参数
迁移学习
表情识别
Online AccessGet full text

Cover

More Information
Summary:TP391.41; 针对人脸表情识别建模过程中获取的样本数据稀少、模型确定困难等问题,提出了一种基于贝叶斯网和迁移学习的人脸表情识别方法.首先提取人脸表情图像特征构成面部动作单元(AU)特征样本集,然后通过分析面部表情与 AU 关系建立人脸表情识别贝叶斯网络(BN)结构;其次求得源域BN参数和目标域BN 初始参数,引入迁移机制和平衡因子自适应地进行目标网络的参数学习,建立人脸表情识别BN模型;最后利用BN 推理算法实现人脸表情识别.实验结果表明,在小数据集条件下,该方法相比支持向量机、Adaboost 和卷积神经网络等识别方法具有更高的识别精度.
ISSN:2096-398X
DOI:10.3969/j.issn.1000-5811.2022.06.022