《人臉表情的多尺度特徵提取、篩選與識別模式研究》是依託深圳大學，由解為成擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：人臉表情的多尺度特徵提取、篩選與識別模式研究
- 項目類別：青年科學基金項目
- 項目負責人：解為成
- 依託單位：深圳大學
項目摘要,結題摘要,
項目摘要
人臉表情識別作為智慧型化人機互動技術中的一個重要組成部分，近年來得到了學術界和工業界的高度關注和重視，它的發展套用與情感檢測、面部神經癱瘓診斷、智慧型機器人研製、智慧型監控等許多領域密不可分。然而，由於表情特徵的多尺度性，如何有效地提取、篩選、融合和識別這些多尺度表情特徵仍是目前尚未解決的重要科學問題。鑒於此，本項目擬研究基於三維表情人臉重建的高頻幾何特徵提取模型，並探索針對各種表情的特徵組合最佳化篩選算法，主要圍繞下面四個方面展開：(1) 構建基於高精度表情人臉重建的多尺度幾何特徵提取模型；(2) 設計針對各種表情皺紋較完整的檢測與量化分析算法；(3) 建立針對各種表情特徵組合的篩選模型；(4) 設計對應於多尺度特徵的多層表情識別模式。該項目的研究不僅為人臉表情識別與相關套用研究開拓了新的技術路線，還為人臉的三維建模與一般目標對象的特徵提取、篩選與識別提供了新的研究視角和理論基礎。
結題摘要
人臉表情識別作為智慧型化人機互動技術中的一個重要組成部分，近年來得到了學術界和工 業界的高度關注和重視，它的發展套用與情感檢測、面部神經癱瘓診斷、智慧型機器人研製、智 能監控等許多領域密不可分。本項目考慮到表情特徵的複雜性與多樣性以及對拍攝環境的敏感性，主要研究了自然場景下的表情識別及其相關的特徵提取與最佳化算法。具體有如下幾項研究成果：(1) 建立針對各種表情特徵組合的篩選模型；(2) 設計對應於多尺度特徵的多層表情識別模式; (3) 構建了適用於不同數據集的損失函式模組；(4) 構建了損失函式超參數最佳化算法；(5) 設計了基於數據增強的表情識別算法。基於對這些問題的探討，共發表了SCI論文6篇，其中中科院1區論文2篇；CCF A類會議一篇以及CCF C 類會議2篇。培養碩士生3名；將針對受控環境與自然場景的表情數據集的測試表情數據集的識別率平均提升了1-2個百分點。該項目的研究不僅為人臉表情識別 與相關套用研究開拓了新的技術路線，還為人臉的三維建模與一般目標對象的特徵提取、篩選 與識別提供了新的研究視角和理論基礎。此外，本項目的研究為下一段表情識別的具體套用，即抑鬱症的檢測提供了算法與理論基礎。
