融合認知機理的機率圖模型表情識別方法研究

《融合認知機理的機率圖模型表情識別方法研究》是依託天津大學，由劉志磊擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：融合認知機理的機率圖模型表情識別方法研究
• 項目類別：青年科學基金項目
• 項目負責人：劉志磊
• 依託單位：天津大學

項目摘要

面部表情是人類進行情感表達和推理最直觀的途徑。近年來，研究人員主要在兩個不同方面對表情進行了廣泛而深入的研究：一方面是基於認知科學的表情認知研究，另一方面是基於計算機科學的表情識別研究。然而，表情認知研究中所揭示的表情認知機理卻對表情識別研究中識別模型的設計和訓練具有重要的參考意義。本研究試圖通過設計不同條件下的表情認知實驗，採集受試腦部的fMRI數據，進一步從不同方面進行分析揭示人類對表情認知的機理。鑒於機率圖模型在不確定推理、變數關係建模等方面的優勢，本研究將基於機率圖模型進行表情識別方法的研究，並將所得到的表情認知機理作為隱性知識輔助表情識別模型中結構和參數學習，最終根據訓練得到的模型參數以及識別效果對認知機理在表情識別中的作用進行驗證和分析。

結題摘要

表情識別與分析技術在人機互動以及安防等領域都有廣闊的套用前景，近年來融合認知機理和深度學習算法的情感分析技術逐漸成為研究熱點。基於此，本項目借鑑人腦認知機理，尤其是人腦注意力機制，通過整合深度學習、圖模型等機器學習算法，對表情識別及其相關關鍵問題進行了廣泛的研究。首先，本項目首次將自適應注意力機制引入面部表情運動單元分析中，並將表情分析人物與人臉對齊任務綜合考慮，提出了基於深度自適應注意力模型的表情運動單元檢測與人臉對齊方法，並對受限玻爾茲曼機、條件隨機場等圖模型在表情識別中的套用進行了探索；其次，針對精細面部表情分析任務中數據量少、場景複雜的關鍵問題，提出了基於條件生成對抗模型的人臉表情合成算法，以及基於Helmholtz-Hodge分解的先驗信息無關運動場分割方法；最後，為了後續多模態情感分析和語音相關的表情分析研究，圍繞情感語音合成與識別、基於視覺的靜默語音識別等展開了相關研究，並取得了一定的成果。本項目的研究成果對情感識別的理論研究和工程實現具有重要意義，同時也對複雜場景下融合認知機理的多模情感分析具有重要的學術價值和廣闊的套用前景。