戴 蓉

(中国民用航空飞行学院 四川 广汉 618307)

0 引 言

面部表情识别(Facial Expression Recognition，FER)是一个活跃的多学科研究领域，在人机交互、认知心理学、计算神经科学和医疗保健领域具有广泛的应用潜力[1]。1984年Ekman根据脸部不同的运动单元组合定义出恐惧、生气、开心、厌恶、悲伤、惊讶6种基本表情[2]，从此基于6种情绪类别的情绪识别在机器学习研究界得到了广泛的关注。近年来，卷积神经网络(CNN)在人工智能和模式识别方面取得了许多令人振奋的成果，并成功地应用于面部表情识别。

Jiswal等[3]提出了一种结合卷积和双向长短期记忆网络(CNN-BLSTM)的面部动作单元检测新方法，该方法以深度学习的方式共同学习形状、外观和动态。Kim等[4]提出了一个具有指数加权决策融合的深度神经网络层次结构，通过训练多个CNN模型改变网络结构、输入标准化和权值初始化，从而获得不同的决策边界。Sang[5]提出了一个基于卷积神经网络架构的有效检测笑脸表情的识别系统，采用改进ReLU函数和小滤波器相结合的方式构建深度卷积神经网络。然而，这些CNN模型通常在同一个数据集上进行培训和测试。

在现实生活中，虽然6种基本情绪是普遍存在的，但是个体在不同的文化、年龄、性别以及表达情绪的方式上可能会有所不同[6]。因此，一个训练有素的CNN模型在训练数据集上具有较高的识别精度，在其他数据集上通常表现不佳。为了使面部表情识别系统更加实用，提高识别模型的泛化能力，研究跨数据库的FER是很重要的。……