2021年，自动化学院陈略峰老师在计算智能领域知名期刊《IEEE Transactions on Emerging Topics in Computational Intelligence》上刊发研究成果《Adaptive Feature Selection-Based AdaBoost-KNN with Direct Optimization for Dynamic Emotion Recognition in Human-Robot Interaction》。论文针对人机交互中的动态表情识别问题，提出了一种基于自适应特征选择和直接优化相结合的Adaboost-KNN动态人脸情感识别方法。论文第一作者为自动化学院陈略峰老师，通讯作者为吴敏老师。
随着人工智能与人机交互技术的融合及发展，人们期望机器人具有情感识别与理解的能力。研究表明，人类的感情主要依靠面部情感来表达，实现人脸情感识别对于促进顺畅的人机交互具有重要意义。传统的研究多基于静态图像开展识别研究，人脸情感识别领域存在难以实现实时动态情感识别的难点。
针对上述问题，该团队采用Candide-3模型提取的人脸关键点；基于增L减R的自适应特征选择确定对情感识别贡献最大的特征；然后基于AdaBoost-KNN，构建了一系列KNN分类器，以迭代的方式调整数据的权重，实现情感分类；对全局最优参数采用直接优化逼近，直到实现最高识别准确率。最后，该方法在情感机器人系统中进行了初步的应用实验，证明了该方法在人机交互应用中，可以使机器人具备动态情感理解能力。
图1 动态情感识别结果混淆矩阵
A是JAFFE数据库上的识别结果混淆矩阵； B是基础应用实验识别结果混淆矩阵。
图2 动态情感识别方法应用实验的部分结果
论文第一作者带领的情感计算与情感机器人团队长期从事情感识别与意图理解的研究，取得了一系列创新性研究成果。研究成果发表在国际计算智能与智能控制领域权威期刊《IEEE Transactions on Fuzzy Systems》、《IEEE Transactions on Systems, Man, and Cybernetics: Systems》、《IEEE Transactions on Affective Computing》等上面，出版Springer 专著1部，研发出情感机器人WEBO（We Robot）。本篇论文入选ESI高被引论文。
该研究得到国家自然科学基金项目（61603356、61733016）、高等学校学科创新引智计划项目（B17040）、武汉市科技计划项目（2017010201010133）等项目资助。
论文信息：
Title: Adaptive Feature Selection-Based AdaBoost-KNN with Direct Optimization for Dynamic Emotion Recognition in Human-Robot Interaction
Authors：Luefeng Chen, Min Li, Wanjuan Su, Min Wu∗, Kaoru Hirota and Witold Pedrycz
Source：IEEE Transactions on Emerging Topics in Computational Intelligence
Published：April 2021
论文链接：https://ieeexplore.ieee.org/document/8701502
