论文题目：《Emotion recognition using facial expressions》

实验方法

文章使用Kinect采集了6名受试者(25-60岁)的数据，每个受试者距离Kinect两米并且位置在中央，进行6次实验，分别记录7种表情(中性、喜悦、惊讶、愤怒、悲伤、恐惧、厌恶)的数据。Kinect设备可以计算出6个action unit的特征值，包括上唇抬起、下颌下垂、嘴唇伸展、眉毛下垂、唇角下垂、外眉抬起，以此作为feature，分别使用3-NN和MLP进行分类。

实验结果

1、训练集和测试集随机7：3，对6个受试者的数据单独进行训练，结果如下图（第一行表示1号受试者使用MLP的情绪识别准确率为0.94，使用3-NN的情绪识别准确率为0.97）

2、将6次实验中的5组用作训练集，剩下一组用作测试集，对6个受试者的数据单独进行训练，结果如下图（第一行表示1号受试者使用MLP的情绪识别准确率为0.75，使用3-NN的情绪识别准确率为0.70）

3、将数据分为12个子集，每个子集包括一名受试者的一组实验（每个受试者的6次实验其实是分成了两组，每组三次，可能每组环境不同），其中11个子集用作训练集，剩下一个子集用作测试集，对所有受试者的数据进行综合训练，结果如下图

结论

1和2的对比说明了MLP的泛化能力更强，通过混淆矩阵发现悲伤-中性和恐惧-惊讶很容易识别错误。
4号受试者的结果明显比其他受试者差，该受试者在实验时佩戴眼镜，Kinect不能正确地记录眉毛的下降和上升。
此外，用户的面部毛发或肤色也会影响情绪分类的质量。
受试者不是坐在设备前面，而是在一个特定的角度，并且头部旋转 -10 to +5 ，俯仰-30 to +30。MLP网络的分类准确率与之前的结果相比下降了约20%。尽管使用了3D建模，但观察到用户的位置对分类结果有很大的影响。

基于面部表情的情绪识别-论文学习相关推荐

基于脑电信号的情绪识别-论文学习
论文题目:<A review of EEG features for emotion recognition > 论文题目:<EEG-Based Emotion Recognitio ...
基于DEAP的脑电情绪识别论文源码改进版本（附论文代码，lstm和rnn）
论文及改进版源码链接: (论文加源码)基于DEAP的脑电情绪识别论文源码改进版本(附论文代码,lstm和rnn) https://download.csdn.net/download/qq_45874 ...
基于脑电图的情绪识别BCI应用于DOC患者
点击上面"脑机接口社区"关注我们更多技术干货第一时间送达 ‍‍‍ 基于脑电图(EEG)信号的人类情感识别已引起广泛关注.现有的大多数研究都集中在离线分析上,使用脑计算机接口(BC ...
❀数据集❀基于计算机视觉的情绪识别数据集
数据集介绍以及下载链接,免费!!! 1.FER2013 Fer2013 包含大约 30,000 张不同表情的面部 RGB 图像,尺寸限制为 48×48,其主要标签可分为 7 种类型:0=愤怒,1=厌恶 ...
作业6：基于CNN的XO识别深度学习手搓卷积代码
目录一.实现卷积池化激活代码 1.numpy版本生成图像卷积核生成卷积操作池化操作最大池化平均池化激活操作 2.pytorch版本(利用pytorch框架) 2.1相关函数 2. ...
基于语音的情绪识别系统（Python）
代码简介源代码连接 emotion-recognition-using-speech git 上下载比较慢,我已经克隆到我的码云上. 原链接是给的原始的版本,我在 win10 上运行会报错,比如下边 ...
paddle基于bert的情绪识别
文件结构 * bert-paddle 存放预训练模型路径* vocab.txt 字典文件,该字典为大小为21128.* model_config.json 模型配置文件.* model_state.p ...
python学习之基于Python的人脸识别技术学习
摘要: 面部识别技术的应用越来越广泛,它广泛应用于安全系统.人机交互.社交媒体.医疗保健等领域.本文介绍了基于Python的人脸识别技术,包括人脸检测.人脸特征提取和人脸识别三个部分.我们使用Open ...
深度神经网络对基于EEG的情绪识别的关键频带和通道的研究
目录情感识别介绍: 基于脑电的情感识别过程论文实验设计探究情感识别介绍: 对于情感的研究来说,它是一个跨学科的领域,涉及着计算机科学,心理学,认知科学以及神经学等,每一领域的研究成果都在为情感 ...

基于面部表情的情绪识别-论文学习

实验方法

实验结果

结论

基于面部表情的情绪识别-论文学习相关推荐

最新文章

热门文章