基于性別和年齡因子分析的魯棒性人臉表情識(shí)別

廖海斌 徐 斌

1(湖北科技學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 湖北咸寧 437100) 2(江西省智慧城市產(chǎn)業(yè)技術(shù)研究院 南昌 330096)

(liao_haibing@163.com.cn)

人臉表情識(shí)別與人臉身份識(shí)別一樣，是一個(gè)熱門的研究領(lǐng)域[1]，具有廣泛應(yīng)用場(chǎng)景.如，可應(yīng)用于安全駕駛、智能教室、視頻會(huì)議、虛擬現(xiàn)實(shí)和認(rèn)知科學(xué)等[2-4].人臉表情識(shí)別系統(tǒng)一般由兩大部分組成[5]：1)特征提??；2)分類器設(shè)計(jì).其中，特征提取是從人臉圖像中提取出可鑒別特征.目前兩大常用的特征提取方法為基于幾何結(jié)構(gòu)的特征提取和基于表觀的特征提取.基于幾何結(jié)構(gòu)的特征提取方法首先需要精準(zhǔn)定位出人臉關(guān)鍵點(diǎn)，然后基于關(guān)鍵點(diǎn)構(gòu)建人臉幾何距離和角度等結(jié)構(gòu)特征向量[6-7].基于表觀的特征提取方法主要是利用圖像的紋理信息進(jìn)行人臉表情識(shí)別[8-9]，具有簡(jiǎn)單有效的特性，但缺乏對(duì)遮擋和光照等變化的魯棒性.在自然場(chǎng)景中，人臉的姿態(tài)、遮擋和低分辨率等變化因素都會(huì)對(duì)人臉特征提取帶來較大影響.所謂的分類器設(shè)計(jì)就是基于提取的人臉特征構(gòu)建出一種能對(duì)表情進(jìn)行分類的識(shí)別系統(tǒng).其中，k-最近鄰(k-nearest neighbor, KNN)和支持向量機(jī)(support vector machine, SVM)是2種經(jīng)典的分類器.最近，熱門的卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network, CNN)圖像識(shí)別方法能提供一種端到端的人臉表情識(shí)別方案[2,10-11]，其將人臉特征提取和分類識(shí)別融合到一種框架內(nèi).然而，CNN需要大量的訓(xùn)練樣本和高性能計(jì)算GPU支持[11-12].另外，其框架內(nèi)采用Softmax分類器也并非最優(yōu)的選擇.有關(guān)實(shí)驗(yàn)表明：在利用深度學(xué)習(xí)提取特征后，采用聯(lián)合貝葉斯分類器或SVM分類器會(huì)取得更好效果[13].

Fig. 1 Facial expression images under different attributes圖1 不同屬性下的人臉表情圖像

早在20世紀(jì)，Ekman等人[14-15]基于跨文化、跨區(qū)域研究，設(shè)計(jì)了6種基本情感(憤怒、厭惡、恐懼、高興、悲傷和驚訝)，他們指出不同文化背景的人類具有同樣的基本情感表達(dá)方式.然而，2012年神經(jīng)科學(xué)和心理學(xué)高級(jí)研究表明：人類的6種基本情感表達(dá)是與特定文化背景相關(guān)的，不具有普適性[16].與此同時(shí)，本文作者發(fā)現(xiàn)不同性別和年齡的人表現(xiàn)出不同的表情表現(xiàn)模式，如圖1所示，小孩和成年人就有著不同的悲傷表情，即人臉的性別和年齡等屬性對(duì)人臉表情識(shí)別有著重要影響.因此，本研究組提出了一種基于人臉性別約束的隨機(jī)森林人臉表情識(shí)別方法[17]，此方法充分考慮人臉性別因子對(duì)人臉表情識(shí)別的影響，獲得了較好的效果，從側(cè)面證明了文獻(xiàn)[16]的結(jié)論.本文在前期工作的基礎(chǔ)上做了進(jìn)一步深入研究，與前期工作相比，其創(chuàng)新性和改進(jìn)點(diǎn)如下：

1) 整體思路和框架.提出基于人臉屬性因子分析的人臉表情識(shí)別框架.前期工作只考慮了人臉性別因子的影響；而在本文中，不僅考慮到人臉性別因子，還考慮了人臉年齡因子.這是因?yàn)樵诤髞淼难芯恐邪l(fā)現(xiàn)，不同年齡段的人群有不同的表情表現(xiàn)方式，因此在原來性別的基礎(chǔ)上增加了人臉年齡屬性，綜合考慮人臉性別和年齡共同作用下的人臉表情問題.實(shí)驗(yàn)證明，加入人臉年齡因子后，效果得到明顯提升.

2) 人臉特征提取.提出基于多示例注意力機(jī)制的特征提取方法.在后來的研究中發(fā)現(xiàn)，針對(duì)人臉表情識(shí)別問題，不同的人臉示例塊對(duì)最終人臉表情識(shí)別的貢獻(xiàn)度是不一樣的.比如，對(duì)人臉表情識(shí)別問題，人臉嘴巴區(qū)域就比人臉額頭區(qū)域更重要，人臉眼睛區(qū)域比人臉面頰區(qū)域更重要等.前期工作直接將各示例特征串接，并沒有考慮各示例塊的權(quán)重問題.另外，本研究組發(fā)現(xiàn)EfficientNet[18]比GoogLeNet網(wǎng)絡(luò)模型性能更優(yōu).因此，在本文中，采用EfficientNet進(jìn)行各示例特征提取，然后利用注意力機(jī)制自動(dòng)學(xué)習(xí)不同示例塊的權(quán)重，最后進(jìn)行各示例特征的融合.

3) 人臉表情分類器設(shè)計(jì).提出基于人臉性別和年齡約束的多條件隨機(jī)森林人臉表情識(shí)別方法.前期工作只是進(jìn)行2類別的條件隨機(jī)森林分類器設(shè)計(jì)，而本文則是進(jìn)行了8類別(排列組合不同性別和年齡類別形成8類)條件隨機(jī)森林分類器設(shè)計(jì).本文創(chuàng)新性地將人臉性別和年齡進(jìn)行排列組合以生成不同的人臉屬性類別，解決了人臉性別和年齡交叉影響問題；另外，在多條件隨機(jī)森林分類器設(shè)計(jì)時(shí)，避免了對(duì)人臉性別和年齡進(jìn)行多層級(jí)判別的問題，只需要一次進(jìn)行8選1即可.

綜上，本文利用深度學(xué)習(xí)優(yōu)良的特征提取特性，提出一種多示例注意力學(xué)習(xí)的特征提取方法；同時(shí)，利用隨機(jī)森林良好的分類性能，提出一種基于人臉屬性的多條件隨機(jī)森林人臉表情分類器設(shè)計(jì)方法.

1 基于屬性因子分析的人臉表情識(shí)別模型

圖2為基于人臉性別和年齡雙屬性因子分析的人臉表情識(shí)別框架，主要包括人臉特征提取、人臉雙屬性估計(jì)和人臉表情識(shí)別三大部分.

Fig. 2 Face expression recognition model framework圖2 人臉表情識(shí)別模型框架

1.1 基于多示例注意力機(jī)制的特征提取

基于多示例注意力機(jī)制的人臉特征提取包括多示例選取、多示例特征提取和多示例特征融合3部分：

1) 人臉多示例選取

Fig. 3 The multi-instance example of facial expression圖3 人臉表情多示例

研究中發(fā)現(xiàn)：人臉表情變化主要集中在眉毛、眼睛、嘴巴等關(guān)鍵區(qū)域.因此，本文參考示例密集采樣[19]和圖像塊顯著性檢測(cè)方法[20]，配合人臉的“三眼五庭”結(jié)構(gòu)特性，選取如圖3所示的7個(gè)人臉分塊作為人臉表情示例.因此，7個(gè)人臉示例依次為：整個(gè)人臉圖像、左眼區(qū)域塊、右眼區(qū)域塊、眼部區(qū)域塊、嘴部區(qū)域塊1、嘴部區(qū)域塊2和嘴部區(qū)域塊3.

2) 基于EfficientNet的多示例特征提取

利用EfficientNet-B3網(wǎng)絡(luò)模型對(duì)上步選取人臉表情示例進(jìn)行特征表示學(xué)習(xí).EfficientNet通過LFW(labled faces in the wild)和YTF(youtube faces in the wild)人臉庫進(jìn)行預(yù)訓(xùn)練，使其具有高層語義信息表示能力.

3) 基于注意力機(jī)制的多示例特征融合

由于人臉不同示例對(duì)人臉表情識(shí)別的重要性是不一樣的；另外，由于人臉遮擋和噪聲等因素影響也會(huì)導(dǎo)致不同示例對(duì)最終識(shí)別的貢獻(xiàn)度不一樣.因此，本文利用注意力機(jī)制進(jìn)行示例權(quán)重學(xué)習(xí)，提出一種基于注意力機(jī)制的多示例特征融合方法，如圖4所示:

Fig. 4 Multi-instance fusion network based on attention mechanism圖4 基于注意力機(jī)制的多示例融合網(wǎng)絡(luò)

在EfficientNet的最后一層加入注意力模塊，將注意力模塊輸出的權(quán)重乘以EfficientNet輸出的向量，作為示例最后的特征向量.注意力網(wǎng)絡(luò)如圖4底部所示，其輸入為EfficientNet最后一層的特征圖，輸出是一個(gè)概率值.假設(shè)基于EfficientNet的人臉示例特征向量提取為

yi=xiw+b,

(1)

其中，yi表示最后的特征輸出，xi表示第i個(gè)示例在最后一層中的特征圖，w是權(quán)值項(xiàng)，b為偏置項(xiàng).假設(shè)注意力機(jī)制網(wǎng)絡(luò)的輸出為

αi=Φ(xi),

(2)

其中，αi是第i個(gè)示例的權(quán)重值，Φ表示注意力網(wǎng)絡(luò)操作.因此，利用αi對(duì)yi進(jìn)行加權(quán)可得

(3)

然后，多示例融合特征可以通過將各示例特征串連而得到

(4)

最后，在深度學(xué)習(xí)網(wǎng)絡(luò)模型中增加一個(gè)全連接層對(duì)式(4)得到的多示例特征y進(jìn)行降維處理.

1.2 屬性約束人臉表情識(shí)別

不同性別和年齡屬性下的人臉表情圖像所在的特征空間具有多樣性，如果不考慮人臉性別和年齡因子，很難找到一個(gè)合適的分類曲面將人臉表情特征進(jìn)行空間劃分.本文利用人臉性別和年齡屬性作為隱含條件進(jìn)行人臉表情特征空間劃分，提出一種屬性約束人臉表情識(shí)別模型.

1) 人臉屬性估計(jì)

將人臉屬性根據(jù)性別和年齡組合情況分為8類：

(5)

首先，訓(xùn)練生成一個(gè)基于人臉性別和年齡屬性分類的隨機(jī)森林TA.并利用如下不確定性測(cè)度：

(6)

其中，a表示人臉屬性類別(a∈{Ω1,Ω2,…,Ω8}).不確定性測(cè)度引導(dǎo)各節(jié)點(diǎn)選擇最優(yōu)策略不斷將當(dāng)前節(jié)點(diǎn)分裂為不確定性降低的2個(gè)子節(jié)點(diǎn).

然后，基于多示例注意力提取的人臉特征y，采用隨機(jī)森林TA進(jìn)行人臉屬性分類.每個(gè)葉子節(jié)點(diǎn)l上的人臉性別和年齡屬性概率為

(7)

最后，融合所有葉子節(jié)點(diǎn)概率值，得到最終的人臉屬性類別：

(8)

其中，lm為決策樹對(duì)應(yīng)的葉子節(jié)點(diǎn)，M為決策樹的數(shù)量.

2) 條件隨機(jī)森林訓(xùn)練

3) 人臉表情識(shí)別

在人臉屬性a∈Ωn已知的條件下，y的表情類別由最大概率p(e|Ωn,y)決定：

(9)

其中，M為決策樹的數(shù)量，lm為第m棵決策樹上y達(dá)到的葉子節(jié)點(diǎn).在人臉屬性a未知的條件下，y的表情類別為

(10)

2 實(shí)驗(yàn)分析

2.1 實(shí)驗(yàn)數(shù)據(jù)和參數(shù)設(shè)置

為了驗(yàn)證本文方法的有效性，在公開的Cohn-Kanade(CK+)[21],ExpW[22],RAF-DB[23],AffectNet[24]人臉庫上進(jìn)行實(shí)驗(yàn)驗(yàn)證.CK+是經(jīng)典的人臉表情庫，因此將使用其來驗(yàn)證本文方法的性能.但是，此庫人臉圖像都是在可控環(huán)境下采集的，并不能充分說明算法的優(yōu)越性.為了驗(yàn)證算法在非可控環(huán)境下的性能，利用ExpW,RAF-DB,AffectNet這3個(gè)表情庫構(gòu)建了自然場(chǎng)景下的人臉表情組合庫：

首先，根據(jù)人臉性別和年齡屬性將ExpW,RAF-DB,AffectNet人臉庫合并后分成8類.

然后，從每類中挑選出1.2萬張人臉表情圖像，共9.6萬(9.6=1.2×8)張人臉表情圖像作為組合庫.當(dāng)從每類中挑選出1.2萬張人臉表情圖像時(shí)，采用均勻采樣的方式盡可能使6種表情均衡.由于ExpW,RAF-DB,AffectNet人臉庫中老年人表情圖像比較少，作者通過學(xué)生自愿的方式收集了一部分學(xué)生爺爺奶奶等老年表情圖像樣本，以彌補(bǔ)老年人表情圖像樣本較少的缺陷.

最后，將得到的9.6萬張人臉表情庫分為3個(gè)數(shù)據(jù)集：訓(xùn)練集7.6萬張；驗(yàn)證集1萬張；測(cè)試集1萬張.

由于ExpW,RAF-DB,AffectNet人臉庫都是來自于互聯(lián)網(wǎng)上傳的自然場(chǎng)景人臉圖像，因此組合庫可以很好地驗(yàn)證算法在真實(shí)環(huán)境下的性能.

實(shí)驗(yàn)采用pyTorch深度學(xué)習(xí)構(gòu)架實(shí)現(xiàn)Efficient-Net和多示例注意力人臉特征提取.在訓(xùn)練階段采用隨機(jī)旋轉(zhuǎn)和鏡像的方式進(jìn)行數(shù)據(jù)增廣.模型訓(xùn)練中關(guān)鍵參數(shù)設(shè)置：學(xué)習(xí)率采用動(dòng)態(tài)調(diào)整方法，初始設(shè)置λ=0.001，epochs=6 000，分裂迭代次數(shù)為1 500，樹深度為20.

2.2 人臉屬性估計(jì)實(shí)驗(yàn)

本節(jié)利用CK+和組合庫進(jìn)行人臉屬性估計(jì)實(shí)驗(yàn)，人臉屬性估計(jì)樣例如圖5所示，表1給出本文方法、CNN[25]、RoR[26]的人臉屬性識(shí)別比較結(jié)果.其中，CNN采用AlexNet網(wǎng)絡(luò)結(jié)構(gòu)獲得了85.6%準(zhǔn)確率；RoR采用基本塊和瓶頸塊的方式構(gòu)建殘差網(wǎng)絡(luò)獲得了93.45%準(zhǔn)確率；本文方法獲得了最高的準(zhǔn)確率95.03%，另外0.5的方差也表明了其魯棒性.

Fig. 5 Examples of different face databases and their facial expression recognition results圖5 不同人臉庫樣例及其表情識(shí)別結(jié)果

Table 1 Comparison of Face Attribute Estimation Results表1 人臉屬性估計(jì)結(jié)果比較

2.3 消融實(shí)驗(yàn)

1) 特征提取影響分析

為了驗(yàn)證本文提出的多示例注意力特征的有效性，將其與EfficientNet-B3特征、文獻(xiàn)[17]提出的特征(Multi-instances+GoogLeNet)、SIFT(scale-invariant feature Transform)、HOG(histogram of oriented gradient)、幾何結(jié)構(gòu)特征進(jìn)行比較分析.表2給出了不同特征在組合庫上的人臉表情識(shí)別結(jié)果.從表2中可以看出，多示例注意力特征在非常難的自然場(chǎng)景下取得了最好識(shí)別率70.52%，比第2名(前期工作)高出了6%左右，表明了多注意力機(jī)制和EfficientNet的有效性.其次，多示例GoogLeNet特征比單獨(dú)EfficientNet-B3特征識(shí)別率提高2%左右，表明了多示例學(xué)習(xí)的有效性.另外，從表2中還可看出本文分類器比SVM分類器具有更優(yōu)性能.

Table 2 Comparison of Facial Expression Recognition Results Under Different Features

2) 人臉屬性因子影響分析

為了驗(yàn)證人臉性別和年齡屬性對(duì)人臉表情識(shí)別的影響，圖6給出了基于人臉性別和年齡雙屬性多條件約束、基于人臉性別單條件約束和無人臉屬性條件約束下的人臉表情識(shí)別結(jié)果比較.從圖6中可見，基于人臉性別和年齡雙屬性多條件約束的人臉表情識(shí)別方法要高于僅使用人臉性別單屬性的方法，而基于人臉性別約束的人臉表情識(shí)別要高于無人臉屬性條件約束的方法.由此可得出，人臉性別和年齡屬性是人臉表情識(shí)別的一個(gè)重要影響因子，組合使用兩種屬性比單獨(dú)使用性別一種屬性效果要好(在組合人臉庫上識(shí)別率提高了5%左右).

Fig. 6 Comparison of facial expression recognition based on facial attributes constraint圖6 基于人臉屬性約束的人臉表情識(shí)別比較

3) 綜合分析

表3給出了在組合人臉表情庫上，不同特征和分類器組合的識(shí)別率比較結(jié)果.從表3中可以看出，多示例注意力特征比經(jīng)典的CNN(如GoogLeNet)特征高出7%左右；另外，基于人臉屬性分析的條件隨機(jī)森林(CRF)分類器比傳統(tǒng)的支持向量機(jī)(SVM)和隨機(jī)森林(RF)分別高出了7%和5%左右.

Table 3 The Recognition Results by Different Featuresand Classifiers Combination

2.4 人臉表情識(shí)別實(shí)驗(yàn)

1) 基于組合庫的實(shí)驗(yàn)

表4給出了本文方法基于組合庫的人臉表情識(shí)別混淆矩陣，從表4中可以看出平均準(zhǔn)確率達(dá)到了70.52%，高興表情達(dá)到了最高準(zhǔn)確率88.7%，緊跟其后的分別是驚訝、害怕和悲傷表情，都超過了67%的準(zhǔn)確率，最低的厭惡表情也獲得了59.5%的準(zhǔn)確率.

Table 4 Facial Expression Recognition Confusion MatrixBased on Combinatorial Database

2) 基于CK+的實(shí)驗(yàn)

CK+是經(jīng)典的人臉表情庫，為了完整性，本節(jié)同時(shí)也在此庫上驗(yàn)證本文方法的有效性.實(shí)驗(yàn)遵循此庫公開的訓(xùn)練測(cè)試規(guī)則，利用CK+中的訓(xùn)練集對(duì)模型進(jìn)行微調(diào)，利用測(cè)試集進(jìn)行測(cè)試.表5給出了基于CK+庫的人臉表情識(shí)別混淆矩陣，從表5中可以看出所有表情的識(shí)別率都超過了97%，平均識(shí)別率達(dá)到了99.25%.

Table 5 Facial Expression Recognition Confusion MatrixBased on CK+ Database

3) 比較實(shí)驗(yàn)

為了進(jìn)一步驗(yàn)證本文方法的有效性，將其與目前先進(jìn)的方法進(jìn)行比較實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表6所示.

從表6中可見，基于深度學(xué)習(xí)的人臉表情識(shí)別方法，如文獻(xiàn)[11]采用Resnet18+separate loss+Softmax loss的方法在CK+和組合庫上分別獲得了97.2%和66.83%的識(shí)別率；而混合深度學(xué)習(xí)方法，如C-CNN[31]在CK+上獲得了96.67%的識(shí)別率.另外，基于Gabor特征的SVM方法在CK+和組合庫上分別獲得了88.61%和43.79%的識(shí)別率；而基于Gabor特征的RF方法在CK+和組合庫上分別獲得了90.06%和47.35%的識(shí)別率.本文方法在CK+和組合庫上分別獲得最好識(shí)別率99%和69.72%.由此可見：①深度學(xué)習(xí)方法比較傳統(tǒng)的Gabor+SVM或RF方法效果要好；②在表情分類中，RF分類器比SVM分類器優(yōu)秀；③采用人臉性別和年齡雙屬性約束比僅使用性別約束效果要好.④本文采用的多示例注意力特征和屬性多條件隨機(jī)森林方法具有最好效果.

Table 6 Comparison Results of Different Methods Based onCK+ and Combined Database

表7給出不同方法在CPU和GPU上的訓(xùn)練和測(cè)試時(shí)間比較結(jié)果.實(shí)驗(yàn)機(jī)器CPU:i7-6700 4 GHz 32 GB,GPU:NVIDA GeForce GTX 1080.其中RF和SVM方法僅使用CPU進(jìn)行訓(xùn)練和測(cè)試，

Table 7 Comparison of TrainTest Time of Different Methods表7 不同方法的訓(xùn)練測(cè)試時(shí)間比較 s

Table 7 Comparison of TrainTest Time of Different Methods表7 不同方法的訓(xùn)練測(cè)試時(shí)間比較 s

測(cè)試項(xiàng)目CPUGPURF本文方法SVMCNN[11]本文方法訓(xùn)練時(shí)間6.5400.8081000811232測(cè)試時(shí)間0.1280.1650.3780.1350.148

本文方法和CNN使用GPU進(jìn)行訓(xùn)練和測(cè)試.從表7中可以看出本文方法與最近的CNN[11]相比，訓(xùn)練時(shí)間多出不到0.5 h，測(cè)試時(shí)間基本相當(dāng)，但精度卻高出3%左右.

2.5 魯棒性實(shí)驗(yàn)

為了驗(yàn)證本文方法對(duì)人臉遮擋、噪聲和分辨率變化的魯棒性，本節(jié)隨機(jī)從CK+中選取1 000張人臉圖像進(jìn)行人為加遮擋、噪聲和下采樣處理，以便生成低質(zhì)量人臉圖像,如圖7所示，并將本文方法與CNN,SVM,RF方法進(jìn)行比較實(shí)驗(yàn).其中，CNN采用GoogLeNet網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行人臉特征提取，SVM和RF方法采用Gabor特征.

Fig. 7 Examples of facial occlusion, noise, and resolution variation圖7 人臉遮擋、噪聲和分辨率變化樣例

1) 遮擋實(shí)驗(yàn)

通過隨機(jī)放置黑色方塊的方式人為生成遮擋比例為20%～80%的遮擋圖像，如圖7(a)所示.圖8給出了不同遮擋比例下不同方法的識(shí)別結(jié)果.從圖8中可以看出，本文方法具有最好的遮擋魯棒性：在遮擋達(dá)到60%時(shí)，依然能達(dá)到65%以上的識(shí)別率.另外，在50%遮擋范圍內(nèi)，其性能退化緩慢，當(dāng)超過50%界限時(shí)才開始急劇下降.

Fig. 8 The recognition rate under different occlusion intensities圖8 不同遮擋強(qiáng)度下的識(shí)別率

為了進(jìn)一步驗(yàn)證本文方法對(duì)遮擋的魯棒性，本節(jié)選取了一些真實(shí)的遮擋人臉圖像進(jìn)行實(shí)驗(yàn)，如圖7(a)所示，部分定性實(shí)驗(yàn)結(jié)果如圖9所示，其中圖9(a)為傳統(tǒng)深度學(xué)習(xí)[32]方法，圖9(b)為本文方法，圖9(c)為真實(shí)情況.從圖9可以看出，本文方法對(duì)真實(shí)的遮擋圖像同樣具有優(yōu)秀的魯棒性.

Fig. 9 The facial expression recognition results under real occlusion images圖9 真實(shí)遮擋人臉圖像表情識(shí)別結(jié)果

2) 噪聲實(shí)驗(yàn)

Fig. 10 Examples of Gaussian noise and salt and pepper noise圖10 高斯噪聲和椒鹽噪聲圖例

為了驗(yàn)證本文方法對(duì)噪聲的魯棒性，本節(jié)對(duì)測(cè)試人臉圖像人為添加高斯噪聲α和椒鹽噪聲β，二者噪聲添加強(qiáng)度分別為0.05,0.1,0.15,0.2，如圖10所示.表8給出了不同噪聲強(qiáng)度下不同方法的識(shí)別率.從表8中可見，隨著噪聲強(qiáng)度的增加，所有方法性能都有所下降，但是本文方法下降的幅度最小.對(duì)于高斯噪聲，其識(shí)別率平均高出第2名5%左右；對(duì)于椒鹽噪聲，其識(shí)別率平均高出第2名9%左右.

Table 8 Facial Expression Recognition Comparison UnderDifferent Noise Intensities

3) 分辨率變化實(shí)驗(yàn)

為了驗(yàn)證本文方法對(duì)分辨率變化的魯棒性，本節(jié)對(duì)測(cè)試人臉圖像進(jìn)行12和14下采樣處理以生成不同分辨率人臉圖像.不同分辨率下的識(shí)別率如表9所示.從表9可以看出，本文方法在所有分辨率下識(shí)別率一直保持在94%以上，分辨率變化對(duì)其影響不是很大；而RF和SVM方法對(duì)分辨率變化卻非常敏感.

Table 9 Facial Expression Recognition ComparisonUnder Different Resolution Variations

3 總 結(jié)

為了緩解人臉表情識(shí)別中類內(nèi)變化和類間變化難題，提出一種基于人臉性別和年齡雙屬性因子分析的隨機(jī)森林人臉表情識(shí)別方法.通過多示例注意力機(jī)制提取魯棒性人臉特征解決人臉遮擋、噪聲和分辨率等變化問題；通過屬性條件隨機(jī)森林分類器設(shè)計(jì)解決人臉性別和年齡等屬性因素影響問題.通過廣泛實(shí)驗(yàn)表明，本文方法與先進(jìn)的深度學(xué)習(xí)方法相比具有先進(jìn)性，對(duì)人臉遮擋、噪聲和分辨率變化具有魯棒性.