基于贝叶斯网和迁移学习的人脸表情识别方法

针对人脸表情识别建模过程中获取的样本数据稀少、模型确定困难等问题,提出了一种基于贝叶斯网和迁移学习的人脸表情识别方法.首先提取人脸表情图像特征构成面部动作单元(AU)特征样本集,然后通过分析面部表情与AU关系建立人脸表情识别贝叶斯网络(BN)结构;其次求得源域BN参数和目标域BN初始参数,引入迁移机制和平衡因子自适应地进行目标网络的参数学习,建立人脸表情识别BN模型;最后利用BN推理算法实现人脸表情识别.实验结果表明,在小数据集条件下,该方法相比支持向量机、Adaboost和卷积神经网络等识别方法具有更高的识别精度.