基于GMM的Bayes错误率估计理论与非正面表情识别研究

本项目主要开展基于贝叶斯错误率估计的数据降维方法和非正面人脸图像的表情识别问题研究，在判别分析的理论和算法研究以及多视角面部表情图像的特征提取、表情特征选择以及表情分类等方面提出了一系列新的方法和算法。通过3年的研究工作，课题组圆满完成了预期的研究目标，并取得了创新性的研究成果，在国内外权威刊物、国际重要会议上发表学术论文17篇，其中SCI论文6篇，EI论文11篇。申请了7项国家发明专利，另外有3项发明专利得到授权。主要研究成果发表在《IEEE Transactions on Affective Computing》、《IEEE Transactions on Neural Networks and Learning Systems、《Pattern Recognition Letters》以及《IEEE Signal Processing Letters》等国际权威刊物以及《International Conference on Pattern Recognition (ICPR)》、《IEEE International Symposium on Circuits & Systems (ISCAS)》等国际重要会议上。在项目执行过程中以课题为依托，培养了8名硕士研究生顺利完成学业，并分别获得了硕士学位。