發(fā)布時(shí)間：2021-11-19 16:02

　　微表情是人們?cè)噲D掩飾內(nèi)心真實(shí)情緒時(shí)流露出的一種轉(zhuǎn)瞬即逝的面部表情,被認(rèn)為是識(shí)別說謊和危險(xiǎn)的最為有用的線索,對(duì)理解人類欺騙行為有著重要的作用。自Ekman等人在醫(yī)學(xué)視頻的研究中發(fā)現(xiàn)微表情以來,微表情的研究在多個(gè)領(lǐng)域展開,如臨床醫(yī)學(xué)、公共安全、教育以及政治領(lǐng)域。而微表情的研究中,由于微表情肉眼的不易觀察性,微表情自動(dòng)識(shí)別方法的研究能夠?yàn)槲⒈砬檠芯刻峁┯辛Φ墓ぞ?加快、擴(kuò)展微表情的原理研究進(jìn)程和微表情的應(yīng)用領(lǐng)域。近年來,微表情自動(dòng)識(shí)別方法的研究是微表情研究領(lǐng)域的一大熱點(diǎn),然而微表情的研究尚存在不少障礙,如數(shù)據(jù)集的問題、實(shí)時(shí)性的問題。微表情數(shù)據(jù)集的問題首先是集不夠完備,普遍缺乏六種基本表情;其次是數(shù)據(jù)量相對(duì)表情數(shù)據(jù)集而言是比較少的。微表情據(jù)集的缺陷對(duì)于模型的有效訓(xùn)練非常不利�？紤]到微表情和宏表情在基本情緒上是一致的,區(qū)別在于持續(xù)時(shí)間和表情動(dòng)作幅度上,因而將宏表情的數(shù)據(jù)集利用到微表情訓(xùn)練上是一個(gè)可行的方案。我們?cè)赱52]的基礎(chǔ)上,利用宏表情和微表情數(shù)據(jù)集訓(xùn)練宏表情識(shí)別模型,然后將宏表情識(shí)別模型作為微表情識(shí)別框架中的表情識(shí)別模塊,再利用表情的持續(xù)時(shí)間區(qū)分宏表情和微表。目前微表情自動(dòng)識(shí)別方法的研究大... 

【文章來源】：華東師范大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：79 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和研究意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 研究現(xiàn)狀
        1.2.1 理論基礎(chǔ)
        1.2.2 識(shí)別方法
        1.2.3 數(shù)據(jù)庫(kù)
    1.3 本文工作內(nèi)容
    1.4 組織結(jié)構(gòu)
第二章 人臉檢測(cè)
    2.0 概述
    2.1 積分圖
    2.2 特征提取
    2.3 Boosting算法
    2.4 關(guān)注式級(jí)聯(lián)結(jié)構(gòu)
        2.4.1 級(jí)聯(lián)結(jié)構(gòu)定義
        2.4.2 訓(xùn)練級(jí)聯(lián)分類模型
    2.5 實(shí)驗(yàn)結(jié)果
第三章 表情識(shí)別
    3.1 概述
        3.1.1 人臉預(yù)處理
        3.1.2 臉部特征提取
        3.1.3 特征分類
    3.2 預(yù)備知識(shí)點(diǎn)
        3.2.1 中心化二值模式
        3.2.2 卷積神經(jīng)網(wǎng)絡(luò)
        3.2.3 支持向量機(jī)
    3.3 CNN-CBP特征融合
        3.3.1 算法框架
        3.3.2 基于塊的CBP特征
        3.3.3 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    3.4 實(shí)驗(yàn)結(jié)果
        3.4.1 基于Extended Cohn-Kanade數(shù)據(jù)集
        3.4.2 泛化能力
第四章 微表情識(shí)別
    4.1 概述
        4.1.0 微表情數(shù)據(jù)庫(kù)
        4.1.1 微表情標(biāo)定
        4.1.2 微表情識(shí)別
    4.2 綜合框架
        4.2.1 人臉對(duì)齊
        4.2.2 微表情放大
        4.2.3 表情識(shí)別模型的訓(xùn)練
        4.2.4 微表情判斷
    4.3 實(shí)驗(yàn)
第五章 系統(tǒng)的軟硬件協(xié)同設(shè)計(jì)
    5.1 概述
    5.2 系統(tǒng)規(guī)范
        5.2.1 系統(tǒng)分析
        5.2.2 建立模型
    5.3 軟硬件劃分
        5.3.1 劃分方法研究
        5.3.2 微表情系統(tǒng)的軟硬件劃分
    5.4 系統(tǒng)集成
        5.4.1 軟硬件平臺(tái)
        5.4.2 系統(tǒng)實(shí)現(xiàn)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 進(jìn)一步的研究
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表論文和科研情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]微表情自動(dòng)識(shí)別綜述[J]. 賁晛燁,楊明強(qiáng),張鵬,李娟.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2014(09)
[2]Effects of the duration of expressions on the recognition of microexpressions[J]. Xun-bing SHEN, Qi WU, Xiao-lan FU (State Key Laboratory of Brain and Cognitive Science, Institute of Psychology, Chinese Academy of Sciences, Beijing 100101, China).  Journal of Zhejiang University-Science B（Biomedicine & Biotechnology）. 2012(03)
[3]微表情研究及其應(yīng)用[J]. 吳奇,申尋兵,傅小蘭.  心理科學(xué)進(jìn)展. 2010(09)
[4]嵌入式系統(tǒng)的軟硬件協(xié)同設(shè)計(jì)[J]. 王少平,王京謙,錢瑋.  現(xiàn)代電子技術(shù). 2005(02)
[5]軟硬件協(xié)同設(shè)計(jì)方法的研究[J]. 趙川,徐濤,孫曉光.  計(jì)算機(jī)工程與設(shè)計(jì). 2003(07)



本文編號(hào)：3505384