作为一种新审美经验的QQ表情

我们使用QQ表情的过程，就是我们获得一种新审美经验的过程，一种对自我及其生活和艺术的再思考。在我们对QQ表情进行创作和使用的同时，在人们的潜意识里已经将QQ表情和现实的表情一一对应起来。人们在日常生活中对表情的认识和累积，使得人们对QQ表情的联想充满情趣。     

狮子的微笑

全明星大马戏团昨天晚上在凤凰城首次公演时，发生了一桩骇人听闻的惨案。女演员娜娜在把头伸进狮子的嘴巴时，狮子先是做出了一个仿佛是微笑的表情，随后一口咬断了她的脖子。     

上海交通大学在严重面部畸形治疗上取得新进展

近年来，严重烧伤毁容畸形患者日趋增多，不仅面容受损，面部器官功能也受到严重损伤。上海交通大学医学院附属第九人民医院李青峰在严重面部畸形治疗中的异体组织移植和自体组织面部构建上均取得重大进展，用“预制皮瓣”代替传统的“植皮”。这种“预制皮瓣”技术，能根据面部的解剖特点，为人体定制出符合要求的修复用组织。使用这一新技术重建的面容。不但能较好恢复患者面部的容貌，并能表达面部表情，恢复口、鼻等五官功能。目前，该研究小组应用这一技术已成功治愈10余例严重面部烧伤患者，取得良好效果。《英国整形外科杂志》对其在严重毁容畸形上的治疗技术给予充分肯定，并发文认为，在全面部严重毁容治疗技术上，该成果为此领域研究提供了一个引导方向，是该领域的开拓先行者。     

基于随机权重分配策略的面目表情识别

为了提高面部表情识别的精确度,提出了一种基于数据增强策略面部表情识别,区别于普通的在线随机数据增强,将实验用到的训练数据集采用附加不同的权重分配策略进行增强数据,并随机生成每次训练时的权重,保证其训练数据的多样性并通过比较实验结果得出哪种权重的分布策略适用于面部表情识别数据集的增强,同时解决了面部表情识别因数据集缺乏多样性识别精度不高等问题,提升了人脸表情识别的准确性和鲁棒性,此外还利用VGG19特征提取网络,通过从数据中学习鲁棒性和区分性特征,来实现高精度的面部表情识别。实验结果表明,使用该方式增强后的数据进行训练的模型在Fer2013和扩展Cohn-Kanade （CK+）数据库上对7种表情的识别率相比其原始数据集均有提升。     

基于面部和动作表情的双模态情绪强度估计

针对急躁情绪的强度估计问题,提出了解决方案,其思路是:对急躁情绪进行数学建模,构建双模态特征模型,分别采用面部表情和动作表情(头部运动)双模态信息来表征急躁情绪;然后用双层高斯混合隐马尔科夫模型(DMHMM)对情绪强度进行估计,得到情绪强度的三个等级.实验结果表明:该算法实现简单,并且能快速的对情绪强度进行估计,与只采用面部表情信息的方法相比正确率提高了24.4%,达到84.8%.     

基于图的半监督深度学习及其在新生儿疼痛表情识别中的应用

针对新生儿疼痛表情识别任务中由于有类别标签样本数量不足而导致分类准确率不高的问题,提出了 一种基于图的半监督深度学习(Graph-based Semi-supervised Deep Learning,GSDL)方法.首先,使用训练集中少量有类别标签的样本对深度神经网络模型进行初步训练,得到初始模型;然后,利用初始模型...     

基于 Mahalanobis距离进行人脸表情的识别

提出了利用Mahalanobis距离进行人脸表情识别的方法.首先将待分类的图像样本集进行坐标变换,使得变换以后类间离散度尽可能大而类内离散度尽可能小,即使变换以后的Fisher准则函数取得极大值,在新的坐标下求每个待分类样本到各类均值向量的Mahalanobis距离,从而将待分类的样本归到Mahalanobis距离最小的类中去,通过实验得到了平均80.25%的识别率.     

一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法

针对LBP算法在提取全局特征时不具有针对性的缺点,提出一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法。该算法引入Harris得到表情图像的角点,同时运用SIFT检测算法得到图像的局部最大最小值,通过Harris算法对SIFT特征点进行过滤,得到表情图像的准确感兴趣点;设计特征点最大区域选取法和特征点周围邻域选取法,将选取的区域作为LBP特征提取的输入图像;运用SVM多分类器得到每种表情的识别率。实验表明,该算法能更有效地提取表情特征,达到较好的识别效果。     

NMF在人脸表情识别中的应用

文章将NMF分解用于提取人脸表情子空间特征,并进行人脸表情识别。将人脸图像在特征脸空间上投影,得到的投影系数作为识别人脸表情的特征向量,采用K近邻分类器进行人脸表情识别。     

人脸表情识别综述

作为生物特征识别与情感计算领域的一个极富挑战性的交叉课题,人脸表情自动识别技术在各种应用的推动下发展很快,但鲁棒的自动人脸表情识别系统至今尚未建立.人脸表情识别的3个关键环节是人脸检测(定位)、脸部表情特征提取和人脸表情的情感分类.目前上述环节上均取得了重要进展.本文就这三方面分别进行了分类总结。