基于CLNF与BN模型的疼痛表情识别方法
来源：计算机工程杂志2021年第4期北京时间：
作者：郭文强, 李梦然, 侯勇严, 肖秦琨
单位：1. 陕西科技大学 电子信息与人工智能学院, 西安 710021;2. 陕西科技大学 电气与控制工程学院, 西安 710021;3. 西安工业大学 电子信息工程学院, 西安 710021
摘要：为提高疼痛表情的识别准确性，将约束局部神经域（CLNF）模型和贝叶斯网络（BN）模型相结合，提出一种疼痛表情识别方法。利用CLNF模型获取疼痛表情的关键特征点，在此基础上得到携带大量疼痛信息的面部活动单元（AU），通过对AU加标签处理得到样本数据集。根据定性专家经验获取BN条件概率之间的约束集合，采用变权重方法将样本数据集与约束扩展参数集相融合以完成BN模型的参数估算，并通过BN推理方法实现疼痛表情的最终识别。实验结果表明，与概率潜在语义分析、局部二值体卷积神经网络等方法相比，该方法可有效提高疼痛表情的识别性能，具有更高的识别精度。
关键词：疼痛表情识别,约束局部神经域模型,活动单元,贝叶斯网络模型,变权重融合,参数估算
基金资助：国家自然科学基金（61271362，62071366）；陕西省科技厅重点研发计划（2020SF-286）；陕西省教育厅产业化研究项目（18JC003）；西安市科技计划（2019216514GXRC001CG002GXYD1.1）。
