文献类型：期刊文章

作　　者：翟海庆[1,3] 刘丹[1,3] 刘晙[1,2]

ZHAI Haiqing;LIU Dan;LIU Jun(School of Computer Science and Technology,Henan Institute of Technology,Xinxiang453003,China;School of Computer Science and Technology,Wuhan University of Technology,Wuhan 430063,China;Big Data Engineering Research Center of Henan for Production and Manufacturing IoTs,Xinxiang 453003,China)

机构地区：[1]河南工学院计算机科学与技术学院,河南新乡453003 [2]武汉理工大学计算机科学与技术学院,湖北武汉430063 [3]河南省生产制造物联大数据工程技术研究中心,河南新乡453003

出　　处：《光学技术》

基　　金：国家自然科学基金项目(61802116);河南省科技厅科技计划项目(192102210248)。

年　　份：2020

卷　　号：46

期　　号：6

起止页码：712-720

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：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。

关 键 词：人脸表情识别 双流卷积神经网络  LDP特征  几何特征  深度学习  

分 类 号：TP394.1] TH691.9[计算机类]