APP下载

基于深度学习和证据理论的表情识别模型*

2021-05-11徐其华

计算机工程与科学 2021年4期
关键词:特征提取分类深度

徐其华,孙 波

(1.西北师范大学商学院,甘肃 兰州 730070;2.北京师范大学人工智能学院,北京 100875)

1 引言

表情是人类在进行社会活动时心理感受和精神状态的自然流露,通过观察一个人的面部细微变化,就能判断出他此时的内心情感。根据心理学家Mehrabian[1]的研究,一个人想要表达出来的全部信息,口头语言只占7%,语言辅助(如语调、语速等)占38%,而面部表情却占了55%,因此大量有价值的信息都可以通过面部表情获取。而且相对于生理信号,面部表情的数据更加容易获得,因此受到更多人的关注。

随着计算机技术、传感技术和通讯技术的发展,高清摄像头的使用越来越普遍,特别是智能手机的广泛应用,获取一小段带有人脸的高清视频是非常容易的事情。通过深度学习技术对带有人脸的高清视频片段进行自动分析,识别出视频中人脸的表情,识别结果不仅能在各种系统中帮助人机进行高效交互,而且还能应用在现实生活中的不同领域。

面部表情是指通过眼部肌肉、颜面肌肉和口部肌肉的变化来表现各种情绪状态,是人类内心情感比较直接的一种表达方式。根据科学家们的研究,人类有7种基本情感,即快乐、悲伤、愤怒、厌恶、惊讶、恐惧和中性。表情识别的研究,实际上可以认为是对这7类情感的模式分类问题。随着人工智能的发展和实际应用需求的推动,基于微视频的自发性表情识别已经取得了不错的研究进展,涌现出了各种各样的表情自动……

登录APP查看全文

猜你喜欢

特征提取分类深度
分类算一算
基于Gazebo仿真环境的ORB特征提取与比对的研究
深度观察
深度观察
深度观察
教你一招:数的分类
一种基于LBP 特征提取和稀疏表示的肝病识别算法
基于MED和循环域解调的多故障特征提取
Walsh变换在滚动轴承早期故障特征提取中的应用