多噪声下基于深度增强随机森林的自发表情识别研究

Spontaneous expression recognition is important and hot topic in computer vison, which is a key technology demanded by emotional artificial intelligence (AI). This project aims to propose the both accurate and efficient approach based on deep enhanced random forests with local hybrid features for spontaneous expression recognition under multiple noise in natural environment. Particularly, we plan to do research in the following three aspects. First, in order to improve accuracy and effectivity, build the novel combined classifier model based on deep learning enhanced random forests; Second, in order to elimilate the influence of facial occlusion, background and noise, extract and represent power discriminate and robust facial local hybrid features; Third, to decline and calibrate the influence of various head pose and expression, design hierarchical spontaneous expression recognition under the condition of head poses and expression relationship. Finally, the proposed novel theory and approach will be tested on some several public faical expression datasets. The research results will help to enhance the veracity and reliability of spontaneous expression recognition, which has important theoretical and realistic significance.

自发表情识别是计算机视觉中的热点也是难点问题，是实现富有情感的人工智能应用的关键技术。本项目旨在面向自然场景中多噪声下的自发表情事件，提出兼顾准确率和效率的基于局部复合特征的深度增强随机森林新方法。本项目具体研究内容包括以下三个方面：第一，为了提高准确率和效率，建立基于深度学习增强随机森林的组合分类算法模型，并应用在自发表情识别；第二，为了消除人脸遮挡、背景等噪声影响，研究具有强区分力和抗噪声能力的人脸局部复合特征提取和表达；第三，为了减少和校准头部姿态和表情复杂多变的影响，设计基于头部姿态和表情关联性的分层自发表情识别模型。最后，所提出的新理论、新方法通过大型公开的数据集上进行验证，其研究成果将有助于提高多噪声下自发表情识别的准确性和可靠性，具有重要的理论和现实意义。

自发人脸表情识别是人工智能领域近年来一个备受关注的研究方向，对数字娱乐、消费服务、驾驶监控和情感机器人有重要的意义。其研究难点主要体现在，自然场景中由于人脸遮挡、头部姿态运动、光照和表情复杂多变等多噪声带来的自动特征提取困难和表情分类困难。为了解决这些问题，本项目的研究内容包括本项目主要研究内容包括以下三个方面:第一，为了提高准确率和效率，建立基于深度学习增强随机森林的组合分类算法和联合多尺度神经网络模型，并应用在自发表情识别、头部姿态估计和场景识别上; 第二，为了消除人脸遮挡、背景等噪声影响，研究具有强区分力和抗噪声能力的人脸局部复合特征提取和表达，提出了在线迭代随机森林方法，用以人脸特征精确定位;第三，为了减少和校准头部姿态和表情复杂多变的影响，设计基于头部姿态和表情关联性的分层自发表情识别模型，用以解决自发表情识别的姿态影响。最后，所提出的新理论、新方法通过大型公开的数据集上进行验证，都取得了行业内的最好水平。我们项目的有效实施有助于提高多噪声下自发表情识别的准确性和可靠性，对实现具有情感的人机交互系统具有重要的理论和现实意义。