自适应Gabor卷积核编码网络的表情识别方法

来源：计算机工程与应用杂志2020年第10期北京时间：

作者：梁华刚，张志伟，王亚茹

单位：长安大学 电子与控制工程学院，西安 710000

摘要：人脸表情识别是计算机视觉领域研究的热点之一。针对传统Gabor网络提取表情图像高维特征识别率不高、泛化性不强的问题，结合卷积神经网络学习局部特征的优点，提出多通道、图像分块、优化Gabor卷积核参数的方法实现表情图像卷积，对提取的表情自适应特征进行分析，首先进行通道内降维，然后采用自动编码器理论解决高维特征降维和多通道特征融合的问题。因为传统支持向量机（Support Vector Machine，SVM）对多分类问题不敏感，所以采用遗传算法优化出最大间隔分类面，进而得到适应度较高的分类器参数。对设计的GaAeS-net（Gabor Autoencoder Support Vector Machine Convolution Network）网络分别在CK+、JAFFE、FER2013、CHD2018等数据库上进行实验，并与现有模型进行对比，最高识别率可达到99.34%，从而证明GaAeS-net模型具备良好的识别率和泛化性。

关键词：表情识别,Gabor核,卷积神经网络,自动编码器,遗传算法,支持向量机（SVM）,参数优化