文献类型：期刊文献

中文题名：基于CNN与关键区域特征的人脸表情识别算法

英文题名：Facial expression recognition algorithm based on CNN and features of key regions

作者：薛建明[1];刘宏哲[1];袁家政[2];王雪峤[3];李青[3];杨少鹏[1]

第一作者：薛建明

机构：[1]北京联合大学北京市信息服务工程重点实验室,北京100101;[2]北京开放大学,北京100081;[3]北京联合大学计算机技术研究所,北京100101

第一机构：北京联合大学北京市信息服务工程重点实验室

年份：2019

卷号：38

期号：10

起止页码：146-149

中文期刊名：传感器与微系统

外文期刊名：Transducer and Microsystem Technologies

收录：CSTPCD;;CSCD:【CSCD_E2019_2020】；

基金：国家自然科学基金资助项目(61571045,61871039,61871028);北京市属高校高水平教师队伍建设支持计划项目(IDHT20170511);北京市教委科技计划一般项目(KM201811417002);国家自然科学基金青年科学基金资助项目(61502036);北京联合大学研究生资助项目

语种：中文

中文关键词：表情识别;深度卷积神经网络;关键区域;特征融合

外文关键词：expression recognition;deep convolutional neural network;key areas;feature fusion

摘要：为了克服目前公开的人脸表情数据集的数据量较少,并且有一些类别的表情表达存在一定的相似这两个因素对人脸表情识别率的影响,提出一种基于关键区域特征融合的人脸表情分类算法。算法首先提取人脸图像中表情表达的关键区域,然后分别提取关键区域的特征信息并融合,最终使用融合的特征进行分类。通过实验验证:算法在JAFFE和CK+公开数据集上均取得了较好的识别准确率。
In order to overcome the influence of the two factors of small amount of data in the open facial expression data set,and there are certain similarities in some categories of expressions on facial expression recognition rate,a facial expression classification algorithm based on key region feature fusion is proposed.This algorithm firstly extract the key regions of facial expressions in the image, then extracts and fuses the feature information of the key regions,and finally uses the fused features for classification.Through experimental verification the algorithm achieves good identification accuracy in JAFFE dataset and the CK+ dataset.