52、情感与性别分类及区块链认证方案综述

情感与性别分类及区块链认证方案综述

情感与性别分类

在情感与性别分类的研究领域，已有不少相关工作。

1. 相关研究工作盘点
   • 研究[1] ：专注于静态图像的面部情感分类，运用Fisher线性判别（FLD）、奇异值分解（SVD）和径向基函数网络（RBF）分别进行实现、特征提取和分类网络搭建，不过仅能准确分类“开心、厌恶、愤怒”三种表情。
   • 研究[2] ：在静态图像和视频上开展情感识别，采用面部动画参数（FAP）和面部定义参数（FDP）进行特征提取，仅涵盖六种情感类别，平均准确率达60%，且静态图像的识别结果比视频输入更准确。
   • 研究[3] ：使用流行的分类器BLSTM和HMM进行表情分类，指出双向网络（BLSTM、BRNN）比单向网络更准确，神经网络比HMM等分类方法效果更好，最终通过多种折叠和聚类方式获得61%的准确率。
   • 研究[4] ：利用包含主要两种情感（娱乐和悲伤）的大型视频数据集，通过线性和离散分类（包括SVM和LogitBoost分类器）来识别情感和性别，但仅适用于预测少数几种情感。
   • 研究[5] ：借助HMM和判别分析寻找动作单元以了解人类情感，发现具有密集流提取的HMM比具有高梯度分量检测的HMM结果更准确，考虑的动作单元越多，准确率越高。
   • 研究[9] ：运