面部表情在人類情感表達和信息傳遞中起著至關重要的作用。如果計算機能夠具有理解和表達情感的能力,根據(jù)人類的表情判斷人類的需求、心情和愛好等信息,計算機將會更好的為人類服務。這在人機交互、安防、機器人制造、醫(yī)療、通信和汽車等領域均具有很強的理論意義和實用價值。隨著人工智能技術的飛速發(fā)展,面部表情識別的研究已取得了一定的成果。但主要針對訓練集和測試集樣本源于同一個數(shù)據(jù)庫,識別時通常假設樣本具有相同的特征分布。在實際情況下,采集環(huán)境和設備等的不同,會導致樣本分布不同。此時傳統(tǒng)的面部表情識別方法訓練的分類器將不再適用。論文針對測試集樣本標簽完全未知的無監(jiān)督跨庫面部表情識別進行了一系列研究。主要研究成果如下:（1）提出了一種關鍵幀提取的方法,利用各幀圖像與模板幀直方圖相似度對比,選擇合適的閾值,進行關鍵幀提取,解決了一個鏡頭下過多冗余信息會造成算法空間復雜度過高的問題。對CK+、Oulu-CASIAVIS、Oulu-CASIANIR、eNTERFACE四個數(shù)據(jù)庫進行關鍵幀提取,利用關鍵幀數(shù)據(jù)集進行面部表情識別實驗。利用仿射變換進行數(shù)據(jù)庫人臉分割,為后續(xù)面部表情特征提取及識別做準備。（2）提出了一種... 

【文章來源】：天津理工大學天津市

【文章頁數(shù)】：110 頁

【學位級別】：博士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究的背景和意義
    1.2 面部表情識別研究現(xiàn)狀及挑戰(zhàn)
        1.2.1 面部表情數(shù)據(jù)庫
        1.2.2 面部表情特征提取
        1.2.3 面部表情識別國內(nèi)外研究現(xiàn)狀
        1.2.4 面部表情識別面臨的挑戰(zhàn)
    1.3 本文研究內(nèi)容和具體工作
    1.4 章節(jié)安排
第二章 遷移學習及其在跨庫情感識別中的應用
    2.1 遷移學習
        2.1.1 遷移學習定義和分類
        2.1.2 領域自適應處理方法
    2.2 跨庫情感識別
        2.2.1 跨庫面部表情識別
        2.2.2 跨庫語音情感識別
        2.2.3 跨庫腦電情感識別
    2.3 本章總結
第三章 基于關鍵幀序列的動態(tài)面部表情識別
    3.1 表情數(shù)據(jù)庫人臉分割方法
    3.2 基于閾值的關鍵幀提取方法研究
        3.2.1 關鍵幀提取
        3.2.2 面部表情特征提取
    3.3 實驗描述與結果分析
        3.3.1 數(shù)據(jù)庫及實驗協(xié)議
        3.3.2 實驗結果及分析
        3.3.3 固定尺寸網(wǎng)格空時描述子特征識別率比較
        3.3.4 交叉驗證與特征提取時間對比
    3.4 本章總結
第四章 基于領域自適應子空間學習的跨庫面部表情識別
    4.1 基于領域自適應子空間學習的面部表情識別方法研究
        4.1.1 整體框圖和基本思想
        4.1.2 領域自適應子空間學習模型構建
        4.1.3 領域自適應子空間學習模型優(yōu)化
        4.1.4 面部表情標簽預測
    4.2 實驗描述及結果對比分析
        4.2.1 面部表情數(shù)據(jù)庫和實驗方案
        4.2.2 對比方法及參數(shù)設置
        4.2.3 實驗結果及分析
        4.2.4 數(shù)據(jù)庫樣本及類別不平衡問題進一步分析
    4.3 本章總結
第五章 基于超寬回歸網(wǎng)絡的無監(jiān)督跨庫面部表情識別
    5.1 基于超寬回歸網(wǎng)絡面部表情識別方法研究
        5.1.1 線性回歸
        5.1.2 超寬回歸網(wǎng)絡模型構建
    5.2 實驗結果及分析
        5.2.1 數(shù)據(jù)準備和試驗方案
        5.2.2 超寬回歸網(wǎng)絡穩(wěn)定性分析
        5.2.3 不同參數(shù)設置特征的實驗結果和討論
    5.3 本章總結
第六章 基于卷積神經(jīng)網(wǎng)絡的無監(jiān)督跨庫面部表情識別
    6.1 基于深度自適應回歸網(wǎng)絡面部表情識別方法研究
        6.1.1 VGG16 網(wǎng)絡模型
        6.1.2 深度自適應回歸網(wǎng)絡框圖
        6.1.3 深度自適應回歸網(wǎng)絡模型的構建
    6.2 實驗描述及分析
        6.2.1 實驗設置
        6.2.2 結果及討論
    6.3 本章總結
第七章 工作總結與展望
    7.1 工作總結
    7.2 工作展望
參考文獻
發(fā)表論文和參加科研情況說明
致謝



本文編號：3482591