基于神经网络的集合方法用于多视图面部表情识别
Muhammad Faheem Altaf1, Muhammad Waseem Iqbal2, Ghulam Ali3
1Department of Computer Science, Superior University Lahore, Lahore, Pakistan.
PloS one
|March 19, 2025
概括
这项研究引入了一种使用三级合体神经网络的新型姿势感知面部表情识别方法. 该技术达到90%的准确性,优于现有的在各种姿势中识别面部表情的方法.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 面部表情识别 (FER) 对人机交互至关重要.
- 在各种姿势中识别表情仍然是一个重大挑战.
- 现有的方法经常与头部方向的变化作斗争.
研究的目的:
- 开发一种准确的姿势感知面部表情识别技术.
- 为了提高组合模型的性能,用于多功能表达的分类.
- 为了解决当前最先进的FER系统的局限性.
主要方法:
- 开发了一个三级堆叠组合模型:基层 (二元神经网络),元层 (二元神经网络池) 和预测器 (Naive Bayes分类器).
- 利用K-最近邻居进行姿势检测和Voila-Jones面部检测器进行面部区域识别.
- 在Radboud Faces数据库上使用 Eigen 特性训练和测试模型.
主要成果:
- 在姿势意识的面部表情识别中实现了90%的准确性.
- 与现有最先进的技术相比,表现出优越的性能.
- 拟议的整体方法有效地处理多功能面部表情变化.
结论:
- 开发的定位感知FER技术在准确性和稳定性方面提供了显著的改进.
- 三级堆叠组合模型对于在不同姿势下对面部表情进行分类是有效的.
- 这种方法为需要可靠的面部表情分析的应用提供了有希望的进步.
更多相关视频
07:12Protocol for Data Collection and Analysis Applied to Automated Facial Expression Analysis Technology and Temporal Analysis for Sensory Evaluation
Published on: August 26, 2016
9.4K
05:51Exploring the Use of Isolated Expressions and Film Clips to Evaluate Emotion Recognition by People with Traumatic Brain Injury
Published on: May 15, 2016
8.9K
