Apr, 2016

基于局部区域特征和支持向量机的面部表情识别

PDF
TL;DR本文提出了一种基于外貌和几何特征结合支持向量机分类的面部表情识别方法，其中包括从特定区域提取外观和几何特征，使用递增搜索法确定重要的局部区域以降低特征维度并提高识别精度，并通过比较全局和局部的特征组合识别面部表情。该方法在公开的 Cohn-Kanade (CK+) 面部表情数据集上表现良好。
facial expressionsrecognitionappearance featuresgeometric featuressupport vector machines
发现论文，激发创造
  • 利用多类 AdaBoost 和支持向量机进行图像序列中基于几何特征的面部表情识别

    本研究提出了一种全自动面部表情识别的新方法，该方法利用弹性束图匹配位移估计跟踪连续视频帧中的面部特征点，提取各个特征点的特征向量并进行归一化，通过多类 AdaBoost 和支持向量机方法识别面部表情，并在 Cohn-Kanade（CK +）面部表情数据库上实现了 95.17％和 97.35％的识别准确率。

    Apr, 2016

  • 深度和手工特征的本地学习用于面部表情识别

    通过使用卷积神经网络自动学习的特征和由视觉单词的袋子模型计算的手工特征相结合的方法进行面部表情识别，然后使用三步的局部学习框架进行类别标签预测，得出了目前最佳结果。

    Apr, 2018

  • 利用显著面部区域特征的自动面部表情识别

    本文提出了一种用于面部表情识别的新框架，通过使用选择面部补丁的外观特征，使用一对一分类方法来分类每对表情类，提取包含区分特征的显著补丁，并针对不同表情类选择不同的显著补丁，提出了一个自动学习 - 无费用的面部标记检测技术，该技术在不同分辨率下表现稳定，在 CK + 和 JAFFE 面部表情数据库上展示了该系统的有效性。

    May, 2015

  • 使用神经网络进行挑战人群面部表情的情感识别

    这篇论文提出了一种通过图像进行面部表情的深度分类方法，采用了深度前馈人工神经网络。该方法可用于良好的应用，包括视觉检查和安全措施。

    May, 2023

  • 基于面部标志和神经网络的实时面部表情识别

    本研究提出了一种基于静态图片实现的轻量级算法，用于实时进行人脸表情识别、情绪分类和特征提取。 Multi-Layer Perceptron (MLP) 神经网络是基于前面的算法进行训练的，提取几何和纹理特征，生成特征向量，用于训练三层 MLP，其测试准确度达到 96%。

    Jan, 2022

  • 深情感：利用注意力卷积网络进行面部表情识别

    该文介绍了针对面部表情识别问题，提出了一种基于注意力卷积网络的深度学习方法，并采用可视化技术确定了识别不同情绪对应的重要面部区域，相比先前的模型在多个数据集上都取得了明显的改进。

    Feb, 2019

  • 使用时间序列核心进行情感表达分类

    应用动态时间规整相似度的核方法和支持向量分类器，只使用主成分分析压缩后的标记点向量的运动模式（形状参数）就可以准确地识别面部表情，包括全运动模式和数种表情。

    Jun, 2013

  • 面部表情识别的多区域融合卷积神经网络

    提出了一种基于 Multi-Region Ensemble CNN (MRE-CNN) 框架的面部表情识别方法，结合深度学习方法和 CNN，同时捕捉全局和局部特征确定面部表情，经过实验证明，取得了最新的识别精度。

    Jul, 2018

  • 面部特征点检测：综述

    本篇综述论文介绍了基于大量标记图像的面部特征点检测，总结了现有方法并将其分类为四大类：基于约束局部模型，基于主动外貌模型，基于回归和其他方法。虽然已取得了重要进展，但仍有待进一步探索面部特征点检测的未来方向。

    Oct, 2014

  • 基于面部补丁特征的特征脸 Isomap 网络表情检测

    本文提出了一种基于面部特定区域遮挡的自动化修补方法，将远程真实世界中的表情分类的问题转换为图像分类问题，并使用 Isomap 聚类技术来检测在修补后的图像中存在的面部表情模式。该方法可用于大数据集中与基于特征的表情分类方法相结合以提高表情分类准确度。

    Nov, 2015