摘要:由于人脸表情类内变化和类间干扰因素的存在,导致人脸表情识别仍面临着巨大挑战。本文提出一种基于性别条件约束随机森林的深度人脸表情识别方法,解决人脸表情识别中噪声、性别等变化和干扰问题。首先,采用深度多示例学习方法提取鲁棒性人脸特征,解决人脸光照、遮挡和低分辨率等图像变化问题。其次,采用性别条件随机森林分类方法进行人脸表情分类器设计,解决人脸性别因素干扰问题。在公开的CK+,BU-3DEF,LFW人脸表情数据库上进行广泛实验结果表明:本文方法在三大人脸数据库上分别达到了98.83%、90%、 60.58%的识别率,与先进方法相比具有更好的性能和鲁棒性。另外,与其它先进的深度学习方法(需要大量训练数据库)相比,本文方法只需要小量训练样本就能达到较好效果。