表情识别

对于表情识别,我们融合了广为流行的LDA、LR、DT、SVM等方法,提出并实现了一个实时、准确率高的表情识别系统,能通过摄像头捕捉人脸,并且实时识别出人脸的表情,将其归入七种基本表情类,将检测效果实时反馈给用户。在CK+数据集上的检测效果达到了99%的检测效果,与先进神经网络ResNet的检测效果相当,但功耗远低于ResNet且具有更好的实时性,满足了机器人应用场景的实用性。与相关工作相比,准确率高、实时效果好、功耗低。

 该工作的相关成果已经发表在ISR 2018, WRC SARA2018上。

此外,我们提出了一个基于深度残差网络ResNet的面部表情识别方法,在Kaggle fer2013数据集上对模型进行了训练,达到了约66%的准确率,在该数据集目前的识别效果上达到了Top5的水平。同时,我们使用训练好的模型在CK+数据集上进行了跨数据集验证,达到了约62%的准确率,这一结果说明了我们的模型具有较好的普适性。基于该模型,我们实现了一款实时表情识别Demo,该Demo可以对普通摄像头采集到的人脸表情视频数据实时进行分析处理,识别效果与实时性均让人较为满意。