基于性别和年龄因子分析的鲁棒性人脸表情识别

廖海斌 徐 斌

1(湖北科技学院计算机科学与技术学院 湖北咸宁 437100) 2(江西省智慧城市产业技术研究院 南昌 330096)

(liao_haibing@163.com.cn)

人脸表情识别与人脸身份识别一样，是一个热门的研究领域[1]，具有广泛应用场景.如，可应用于安全驾驶、智能教室、视频会议、虚拟现实和认知科学等[2-4].人脸表情识别系统一般由两大部分组成[5]：1)特征提取；2)分类器设计.其中，特征提取是从人脸图像中提取出可鉴别特征.目前两大常用的特征提取方法为基于几何结构的特征提取和基于表观的特征提取.基于几何结构的特征提取方法首先需要精准定位出人脸关键点，然后基于关键点构建人脸几何距离和角度等结构特征向量[6-7].基于表观的特征提取方法主要是利用图像的纹理信息进行人脸表情识别[8-9]，具有简单有效的特性，但缺乏对遮挡和光照等变化的鲁棒性.在自然场景中，人脸的姿态、遮挡和低分辨率等变化因素都会对人脸特征提取带来较大影响.所谓的分类器设计就是基于提取的人脸特征构建出一种能对表情进行分类的识别系统.其中，k-最近邻(k-nearest neighbor, KNN)和支持向量机(support vector machine, SVM)是2种经典的分类器.最近，热门的卷积神经网络(convolutional neural network, CNN)图像识别方法能提供一种端到端的人脸表情识别方案[2,10-11]，其将人脸特征提取和分类识别融合到一种框架内.然而，CNN需要大量的训练样本和高性能计算GPU支持[11-12].另外，其框架内采用Softmax分类器也并非最优的选择.有关实验表明：在利用深度学习提取特征后，采用联合……