劉念 王楓

摘 要：新時(shí)期我國(guó)科學(xué)技術(shù)的快速發(fā)展及信息化產(chǎn)業(yè)規(guī)模的不斷擴(kuò)大，為人機(jī)交互領(lǐng)域發(fā)展帶來(lái)了重要的保障作用，并提升了人臉表情識(shí)別研究水平。在此背景下，為了確保人臉表情識(shí)別有效性，需要注重與之相關(guān)的基于深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的研究工作落實(shí)。在此基礎(chǔ)上，計(jì)算機(jī)視覺(jué)領(lǐng)域的整體發(fā)展速度將逐漸加快，且人臉表情識(shí)別研究中也將得到更多的支持。因此，本文就基于深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的人臉表情識(shí)別展開(kāi)論述。

關(guān)鍵詞：深度學(xué)習(xí) 傳統(tǒng)機(jī)器學(xué)習(xí) 人臉表情識(shí)別 計(jì)算機(jī)視覺(jué)領(lǐng)域

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2018）02（a）-0039-02

實(shí)踐過(guò)程中做好基于深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的人臉表情識(shí)別研究工作，有利于滿足人機(jī)交互領(lǐng)域的發(fā)展需求，給予人臉表情識(shí)別必要的支持。因此，需要結(jié)合人臉表情識(shí)別的實(shí)際需要的功能特性，加強(qiáng)對(duì)深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的深入分析，了解二者實(shí)踐應(yīng)用中的優(yōu)勢(shì)所在，使得人臉表情識(shí)別研究工作落實(shí)能夠達(dá)到預(yù)期效果，促使我國(guó)信息化產(chǎn)業(yè)發(fā)展水平能夠保持在更高的層面上。

1 基于傳統(tǒng)機(jī)器學(xué)習(xí)的人臉表情識(shí)別綜述

在對(duì)基于傳統(tǒng)機(jī)器學(xué)習(xí)的人臉表情識(shí)別進(jìn)行研究時(shí)，為了獲取有效的研究成果，則需要關(guān)注這些方面：實(shí)踐中的圖像預(yù)處理、實(shí)踐中的特征提取以及實(shí)踐中的特征分類。這3個(gè)部分的關(guān)系密切，缺一不可，需要在基于傳統(tǒng)機(jī)器學(xué)習(xí)的人臉表情識(shí)別研究中給予必要的關(guān)注，具體表現(xiàn)在以下幾個(gè)方面。

1.1 實(shí)踐中的圖像預(yù)處理

結(jié)合人臉表情識(shí)別研究的實(shí)際需要，在運(yùn)用傳統(tǒng)機(jī)器學(xué)習(xí)算法的過(guò)程中應(yīng)對(duì)其中的圖像預(yù)處理進(jìn)行必要的考慮。具體表現(xiàn)為：（1）結(jié)合文獻(xiàn)[1]中所述的內(nèi)容，可知在人臉表情識(shí)別中為了提出到有效的特征點(diǎn)，需要注重圖像預(yù)處理方式的合理運(yùn)用。同時(shí)，在表情分類過(guò)程中，充分發(fā)揮出圖像預(yù)處理的實(shí)際作用，有利于增強(qiáng)其分類合理性。（2）為了保持圖像良好的處理效果，減少其處理過(guò)程中噪聲的干擾，則需要加強(qiáng)圖像預(yù)處理方式使用。實(shí)踐過(guò)程中若將圖像預(yù)處理應(yīng)用于人臉表情識(shí)別中，將會(huì)對(duì)其識(shí)別中的干擾因素進(jìn)行科學(xué)的處理，使得其研究工作落實(shí)能夠達(dá)到預(yù)期效果。在此基礎(chǔ)上，人臉表情識(shí)別將會(huì)在圖像預(yù)處理的支持下進(jìn)行后續(xù)的一系列操作，使得其技術(shù)水平得以不斷提升。（3）結(jié)合人臉表情識(shí)別中圖像色彩信息處理需求，對(duì)其灰度歸一化、尺度大小等進(jìn)行處理時(shí)，需要發(fā)揮出圖像預(yù)處理的優(yōu)勢(shì)。同時(shí)，需要了解圖像預(yù)處理過(guò)程，并注重其中所需的不同去噪處理方法使用，像自適應(yīng)中值濾波法好、維納濾波法等。在這些處理方法的支持下，能夠達(dá)到圖像處理中去噪處理的目的，使得最終得到的圖像質(zhì)量更加可靠，滿足人臉表情識(shí)別的多樣化需求。除此之外，為了增強(qiáng)圖像處理效果，也需要加強(qiáng)直方均衡化方式使用。

1.2 實(shí)踐中的特征提取

結(jié)合人臉表情識(shí)別系統(tǒng)的結(jié)構(gòu)特點(diǎn)及功能特性，可知其實(shí)踐應(yīng)用中的核心部分為特征提取。在具體的操作過(guò)程中，為了提高人臉表情識(shí)別效率，需要技術(shù)人員能夠在特征提取方式的作用下，在有用的圖片信息中提取到所需的人臉表情信息。實(shí)踐過(guò)程中將特征提取應(yīng)用于人臉表情識(shí)別過(guò)程中時(shí)，為了保持其良好的識(shí)別效果，則需要從這些方面入手：（1）結(jié)合文獻(xiàn)[2]中所述的內(nèi)容，注重Gabor特征提取使用。在這種提取方式的支持下，能夠借助小波核函數(shù)的優(yōu)勢(shì)，對(duì)人臉表情識(shí)別中的紋理特征進(jìn)行更好的描述，進(jìn)而在線性與非線性算法的共同支持下，確保人臉表情特征提取有效性。（2）加強(qiáng)局部二值算法使用。這種算法簡(jiǎn)稱為L(zhǎng)BP，實(shí)踐應(yīng)用中能夠借助二維序關(guān)系與局部二維模式的作用，對(duì)圖像特征進(jìn)行表述。在此基礎(chǔ)上，若加強(qiáng)該井后的LBP算法-全局部二值算法（GLBP）算法使用時(shí)，雖然其具有良好的識(shí)別效果，但會(huì)造成位維數(shù)災(zāi)難現(xiàn)象的出現(xiàn)。因此，為了更好的識(shí)別人臉表情，需要注重局部定向模式（LDP算法）使用，確保人臉表情特征提取的穩(wěn)定性。（3）結(jié)合人臉表情識(shí)別的實(shí)際需要，在其特征提取中注重主動(dòng)形狀模型、光流法、特征點(diǎn)追蹤法等不同方法使用，確保其特征提取有效性。

1.3 實(shí)踐中的特征分類

基于傳統(tǒng)機(jī)器學(xué)習(xí)的人臉表情識(shí)別，也需要考慮其識(shí)別中的特征分類。具體表現(xiàn)為：（1）為了保持良好的分類性能，需要加強(qiáng)K-NN算法使用。但該算法的分類效率低，需要根據(jù)實(shí)際情況進(jìn)行選用。（2）根據(jù)人臉表情識(shí)別中的特征分類需求，注重貝葉斯、SVM等不同特征分類算法使用，確保其識(shí)別中的特征分類效果良好性。

2 基于深度學(xué)習(xí)的人臉表情識(shí)別綜述

（1）結(jié)合文獻(xiàn)[3]中所述的內(nèi)容，在人機(jī)交互領(lǐng)域發(fā)展過(guò)程中，受到大數(shù)據(jù)時(shí)代到來(lái)的影響，傳統(tǒng)的機(jī)器學(xué)習(xí)算法實(shí)踐應(yīng)用中難以滿足人臉表情識(shí)別中的智能化需求。因此，為了避免在人臉表情識(shí)別中出現(xiàn)較為繁瑣的圖像預(yù)處理、特征提取等步驟，則需要加強(qiáng)深度學(xué)習(xí)算法使用。在此期間，為了提高人臉表情識(shí)別效率，滿足其識(shí)別過(guò)程中的信息資源共享要求，則需要注重端到端（CNN）模式使用。該模式本質(zhì)上是一種對(duì)人工神經(jīng)網(wǎng)絡(luò)改進(jìn)的模式，具有良好的實(shí)踐應(yīng)用效果。

（2）通過(guò)對(duì)文獻(xiàn)[2]與[3]中所述內(nèi)容的深入分析，將深度學(xué)習(xí)應(yīng)用于人臉表情識(shí)別過(guò)程中時(shí)，為了使其能夠具備自主學(xué)習(xí)能力，且能準(zhǔn)確地提取到所需的輸入信號(hào)特征，則需要加強(qiáng)深度信念網(wǎng)絡(luò)（DBN）使用。在這種深度學(xué)習(xí)方式的作用下，能夠使人臉表情識(shí)別中具備自主學(xué)習(xí)能力，且在信息技術(shù)與計(jì)算機(jī)網(wǎng)絡(luò)的支持下，使得人臉表情特征提取中能夠增強(qiáng)準(zhǔn)確性，并保持其良好的識(shí)別效果。

（3）由于深度學(xué)習(xí)實(shí)踐應(yīng)用中取得了良好的作用效果，因此，未來(lái)使人臉表情識(shí)別中能夠提高其利用效率，挖掘出其潛在的應(yīng)用價(jià)值，則需要了解該算法未來(lái)的發(fā)展方向。結(jié)合文獻(xiàn)[4]中所述的內(nèi)容，未來(lái)深度學(xué)習(xí)發(fā)展中需要優(yōu)化其算法模型性能，并結(jié)合人臉表情識(shí)別的實(shí)際需求，確保網(wǎng)絡(luò)深度良好性，且在與傳統(tǒng)機(jī)器學(xué)習(xí)算法的配合作用下，增加自身的技術(shù)含量。同時(shí)，深度學(xué)習(xí)算法發(fā)展中應(yīng)完善自身的常用應(yīng)用框架，且在Lua語(yǔ)言的支持下，構(gòu)建出更多的訓(xùn)練模型，編寫(xiě)出相應(yīng)的層級(jí)，確保自身的應(yīng)用狀況良好性。長(zhǎng)此以往，基于深度學(xué)習(xí)的人臉表情識(shí)別研究水平將逐漸提升。

3 結(jié)語(yǔ)

綜上所述，做好基于深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的人臉表情識(shí)別研究工作，具有重要的現(xiàn)實(shí)參考意義：有利于促進(jìn)人機(jī)交互領(lǐng)域的可持續(xù)發(fā)展，并擴(kuò)大人臉表情識(shí)別的實(shí)際應(yīng)用范圍，給予我國(guó)信息化產(chǎn)業(yè)發(fā)展水平提升科學(xué)保障。因此，未來(lái)人臉表情識(shí)別研究工作落實(shí)中，在了解傳統(tǒng)機(jī)器學(xué)習(xí)在其應(yīng)用中優(yōu)缺點(diǎn)的基礎(chǔ)上，需要給予深度學(xué)習(xí)支持下的人臉表情識(shí)別更多的關(guān)注，并對(duì)其實(shí)踐應(yīng)用效果進(jìn)行科學(xué)評(píng)估，以便提高深度學(xué)習(xí)利用效率，最大限度地滿足人臉表情識(shí)別的實(shí)際需求。

參考文獻(xiàn)

[1] 王文濤.深度學(xué)習(xí)結(jié)合支持向量機(jī)在人臉表情識(shí)別中的應(yīng)用研究[D].長(zhǎng)安大學(xué)，2016.

[2] 牛新亞.基于深度學(xué)習(xí)的人臉表情識(shí)別研究[D].華南理工大學(xué)，2016.

[3] 盧宏濤，張秦川.深度卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺(jué)中的應(yīng)用研究綜述[J].數(shù)據(jù)采集與處理，2016，31（1）：1-17.

[4] 葉長(zhǎng)明.三維人臉識(shí)別中若干關(guān)鍵問(wèn)題研究[D].合肥工業(yè)大學(xué)，2012.