A Fast and Accurate Multi-Model Facial Expression Recognition Method for Affective Intelligent Robots

面部表情 计算机科学 面部表情识别 机器人 人工智能 任务(项目管理) 表达式(计算机科学) 情绪识别 人机交互 面部识别系统 三维人脸识别 情感计算 机器学习 语音识别 特征提取 计算机视觉 模式识别(心理学) 人脸检测 工程类 程序设计语言 系统工程
作者
Yingjie Chen,Tao Wang,Han Wu,Yizhou Wang
标识
DOI:10.1109/iisr.2018.8535644
摘要

With the development of affective computing, emotion recognition based on facial expression recognition has become an attractive topic in human-robot interaction. We hope that affective intelligent robots can detect and identify human facial expressions through vision, and make different responses accordingly. In this paper, we compare different facial expression recognition methods that use traditional machine learning models or deep learning models, and propose a fast and accurate multi-model facial expression recognition method for affective intelligence robots to complete the real-time and high-precision facial expression recognition task.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
ttztt完成签到,获得积分20
刚刚
FashionBoy应助王娟采纳,获得10
刚刚
时尚平露完成签到,获得积分20
1秒前
周浩宇完成签到,获得积分10
1秒前
瑶瑶发布了新的文献求助10
2秒前
聪明帅哥完成签到,获得积分10
2秒前
小鱼完成签到 ,获得积分10
2秒前
LpmxRk应助杨震采纳,获得10
2秒前
科研通AI6.3应助杨震采纳,获得10
3秒前
Oracle应助热水养花采纳,获得50
3秒前
认真的不评应助霖昭采纳,获得10
3秒前
3秒前
3秒前
曾经荔枝完成签到,获得积分10
4秒前
情怀应助chutong12345采纳,获得10
4秒前
耶稣与梦完成签到,获得积分10
4秒前
4秒前
懵懂的绿茶完成签到,获得积分10
4秒前
XU2025完成签到 ,获得积分10
4秒前
葛优完成签到,获得积分10
4秒前
NINISO完成签到,获得积分10
4秒前
星辰完成签到,获得积分10
4秒前
年轻怀绿发布了新的文献求助10
4秒前
天天快乐应助HAHA1采纳,获得10
5秒前
樨樨发布了新的文献求助10
5秒前
5秒前
cyyan发布了新的文献求助10
5秒前
小懒完成签到,获得积分10
5秒前
11完成签到,获得积分10
5秒前
科研通AI6.2应助诺曼采纳,获得10
5秒前
5秒前
5秒前
123完成签到,获得积分10
5秒前
小明完成签到,获得积分10
6秒前
陈牛逼完成签到,获得积分10
6秒前
科目三应助薄薄的厚片采纳,获得10
6秒前
不懈奋进应助sunsold采纳,获得30
6秒前
joey106完成签到,获得积分10
7秒前
lagom发布了新的文献求助10
7秒前
7秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
《上海印钞厂志》 3000
2026年中国辛酸癸酸聚乙二醇甘油酯行业市场现状调查及投资机会研判报告 1000
2026年中国辛酸癸酸聚乙二醇甘油酯行业市场规模及竞争格局分析报告 1000
模型平均及其应用 900
Fundamentals of Pharmaceutical and Biologics Regulations: A Global Perspective, Second Edition 700
Évora na Idade Média 555
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7340209
求助须知:如何正确求助?哪些是违规求助? 8953508
关于积分的说明 19003717
捐赠科研通 6992323
什么是DOI,文献DOI怎么找? 3218730
关于科研通互助平台的介绍 2384333
邀请新用户注册赠送积分活动 2198658