从使用LSTM的视频录像中估计情绪
1Hogeschool van Arnhem en Nijmegen, Automotive and Engineering Academy, Arnhem, Netherlands.
Frontiers in neurorobotics
|February 23, 2026
概括
一个LSTM模型BlendFER-Lite使用MediaPipe Blendshapes分析了现场视频中的面部表情. 它在FER2013上实现了71%的准确性,同时降低了计算成本.
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:
- 情感估计是一个长期以来的研究领域,有各种机器学习方法.
- 现有的面部表情识别方法通常具有高的计算需求.
研究的目的:
- 介绍BlendFER-Lite,一个新的LSTM模型,用于高效的面部表情分析.
- 为了降低情绪估计的计算成本,同时保持准确性.
主要方法:
- 从MediaPipe库中使用BlendShapes进行面部表情分析.
- 开发了一个名为BlendFER-Lite的长短期记忆 (LSTM) 模型.
- 在FER2013数据集上训练模型,使用现场直播的摄像头料数据.
主要成果:
- 在FER2013数据集上实现了71%的准确性和62%的F1分数.
- 满足了FER2013数据集的准确性基准.
- 与现有方法相比,显著降低了计算成本.
结论:
- BlendFER-Lite为实时面部表情识别提供了一种高效准确的解决方案.
- 该模型展示了性能和计算效率之间的可行的权衡.
- 代码,数据集和模型可在 Hugging Face 上获得,以确保可复制性.

