55、集成策略支持的面部情绪分类

集成策略支持的面部情绪分类

1. 相关工作

人际关系预测中的表情识别需要来自不同来源的输入，如声音、身体和面部表情，以及年龄或文化环境等。以下是一些相关的研究成果：
- 多任务网络 ：有研究设计了一种有效的多任务网络，它能够从丰富的辅助属性（如性别、年龄和头部姿势）中学习，而不仅仅依赖面部表情数据。
- 情感身体手势识别 ：有学者对情感身体手势识别进行了全面调查，希望推动该领域的研究。他们将情感身体手势作为“身体语言”的一部分引入，并对性别差异和文化依赖性等一般方面进行了评论，还定义了一个完整的自动情感身体手势识别框架。
- 其他解决方案 ：包括将身体姿势与面部表情融合用于儿童 - 机器人交互中的情感识别，以及研究面部和身体表情在情感识别中的分离情况等。

面部表情方面，Ekman 和 Friesen 证明了面部表情具有普遍性，是一种进化和生物学事实，不依赖特定文化。但不同的面部表情分类方法在处理相同输入时会返回不同结果。以下是一些面部表情识别的集成方法：
|方法|简介|
| ---- | ---- |
|Zavaschi 等人的方法|2011 年创建了一组基于 Gabor 滤波器和局部二值模式（LBP）的基础分类器，然后使用多目标遗传算法搜索最佳集成。|
|Renda 等人的方法|2019 年比较了几种应用于面部表情识别（仅针对静态图像）的集成深度学习策略。|
|Ali 等人的方法|提出了一种用于多元文化面部表情分析的集成方法，使用了来自四个不同民族地区的面部图像。|
|Wang 等人的方法|提出了