本文關(guān)鍵詞：基于卷積網(wǎng)絡(luò)集成的面部表情識(shí)別方法

  更多相關(guān)文章： 表情識(shí)別 卷積網(wǎng)絡(luò) 計(jì)算機(jī)視覺(jué)

【摘要】：自動(dòng)表情識(shí)別Automated Facial Expression Recognition,縮寫FER)賦予計(jì)算機(jī)感知并嘗試?yán)斫馊祟惽楦械哪芰ΑＴ谟?jì)算機(jī)視覺(jué)、人機(jī)交互和情感計(jì)算領(lǐng)域都有著非常重大的研究和應(yīng)用價(jià)值。如果機(jī)器能夠像人類一樣擁有感情的話,那么人類與機(jī)器的關(guān)系將會(huì)被徹底改變,機(jī)器對(duì)于我們?nèi)祟惗詫⒉辉僦皇且环N工具而已。表情因其獨(dú)特的心理屬性,對(duì)于計(jì)算機(jī)而言存在一定的分析和理解障礙。本質(zhì)上表情是人類內(nèi)心復(fù)雜情感的外在流露,而這些深藏于內(nèi)的抽象感情難以被計(jì)算機(jī)量化表達(dá)。所以對(duì)于我們而言,表情識(shí)別也并不應(yīng)僅僅歸于一種的圖像分類問(wèn)題而已。受益于近幾年來(lái)深度神經(jīng)網(wǎng)絡(luò)模型的快速發(fā)展,特別是卷積網(wǎng)絡(luò)在圖像檢測(cè)和識(shí)別方面取得的突破成果,在本文中我們?cè)O(shè)計(jì)和實(shí)現(xiàn)了一種基于卷積網(wǎng)絡(luò)集成的模型來(lái)嘗試解決表情識(shí)別問(wèn)題。我們的集成卷積網(wǎng)絡(luò)模型包含兩個(gè)階段：第一階段,訓(xùn)練多個(gè)結(jié)構(gòu)不同的卷積子網(wǎng)絡(luò)模型。每個(gè)子網(wǎng)絡(luò)模型包含著個(gè)數(shù)不同的卷積層,每個(gè)卷積層后連接著非線性激活層和池化采樣層。這些卷積子網(wǎng)絡(luò)模型在訓(xùn)練集上分別訓(xùn)練至收斂。第二階段,由這些訓(xùn)練好的子網(wǎng)絡(luò)模型連接在一起構(gòu)成最終的模型。各個(gè)子網(wǎng)絡(luò)模型通過(guò)移除輸出層,并把倒數(shù)第二層的輸出結(jié)果連接在一起后再輸出到若干全連接層中,通過(guò)這樣的方式使這些單獨(dú)訓(xùn)練的子網(wǎng)絡(luò)模型連接成一個(gè)整體。通過(guò)不同卷積子網(wǎng)絡(luò)集成的方式,我們充分發(fā)揮了不同結(jié)構(gòu)子模型分類的優(yōu)勢(shì),各個(gè)子模型在協(xié)同工作中能夠發(fā)揮互相補(bǔ)充的效果。整個(gè)模型輸入一張面部表情圖片,輸出七種基本表情中的一種,包含憤怒、惡心、害怕、高興、傷心、吃驚以及中立表情。我們?cè)贔ER20131數(shù)據(jù)集上訓(xùn)練和測(cè)試了整個(gè)模型,實(shí)驗(yàn)結(jié)果顯示我們提出的集成網(wǎng)絡(luò)模型取得65.03%的正確率,非常接近于人眼在此數(shù)據(jù)集上的識(shí)別水平(65±5%),且比單個(gè)子模型最多有近4%的準(zhǔn)確度提升。
【關(guān)鍵詞】：表情識(shí)別 卷積網(wǎng)絡(luò) 計(jì)算機(jī)視覺(jué)
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 摘要6-7
• Abstract7-12
• 第1章 緒論12-18
• 1.1 引言12
• 1.2 項(xiàng)目背景與研究意義12-17
• 1.2.1 情感計(jì)算與人工智能12-13
• 1.2.2 自動(dòng)表情識(shí)別13-14
• 1.2.3 研究現(xiàn)狀14-17
• 1.3 本文組織結(jié)構(gòu)17-18
• 第2章 人工神經(jīng)網(wǎng)絡(luò)與卷積網(wǎng)路18-30
• 2.1 引言18
• 2.2 感知機(jī)模型18-19
• 2.3 人工神經(jīng)網(wǎng)絡(luò)19-20
• 2.4 卷積網(wǎng)絡(luò)模型20-23
• 2.4.1 卷積層21-22
• 2.4.2 池化采樣層22
• 2.4.3 全相連層22-23
• 2.4.4 BN層23
• 2.5 損失函數(shù)23-24
• 2.5.1 SVMLoss23-24
• 2.5.2 SoftmaxLoss24
• 2.6 梯度下降與反向傳播算法24-27
• 2.6.1 梯度下降算法24-26
• 2.6.2 參數(shù)更新方式26-27
• 2.6.3 反向傳播算法27
• 2.7 過(guò)擬合與正則化27-30
• 2.7.1 過(guò)擬合27-28
• 2.7.2 正則化28-29
• 2.7.3 Dropout29-30
• 第3章 集成卷積網(wǎng)絡(luò)的設(shè)計(jì)與實(shí)現(xiàn)30-38
• 3.1 引言30
• 3.2 子網(wǎng)絡(luò)模型30-35
• 3.2.1 子網(wǎng)絡(luò)數(shù)目的估計(jì)30-31
• 3.2.2 子網(wǎng)絡(luò)模型結(jié)構(gòu)設(shè)計(jì)31-33
• 3.2.3 激活函數(shù)的選擇33-35
• 3.3 整體網(wǎng)絡(luò)結(jié)構(gòu)35
• 3.4 模型實(shí)現(xiàn)方式35-38
• 3.4.1 深度學(xué)習(xí)庫(kù)的比較選擇36-37
• 3.4.2 實(shí)驗(yàn)環(huán)境37-38
• 第4章 訓(xùn)練和結(jié)果38-52
• 4.1 數(shù)據(jù)集的選擇38-40
• 4.1.1 FER-2013數(shù)據(jù)集39-40
• 4.2 數(shù)據(jù)增強(qiáng)和預(yù)處理方式40-42
• 4.2.1 數(shù)據(jù)增強(qiáng)40
• 4.2.2 數(shù)據(jù)預(yù)處理40-41
• 4.2.3 歸一化41
• 4.2.4 主成分分析與數(shù)據(jù)白化41-42
• 4.3 子網(wǎng)絡(luò)模型訓(xùn)練42-46
• 4.3.1 模型參數(shù)初始化42
• 4.3.2 訓(xùn)練參數(shù)設(shè)置42-46
• 4.4 集成模型訓(xùn)練結(jié)果46-52
• 第5章 總結(jié)與展望52-53
• 參考文獻(xiàn)53-56
• 致謝56

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 應(yīng)自爐;張有為;李景文;;融合人臉局部區(qū)域的表情識(shí)別[J];信號(hào)處理;2009年06期

2 胡明銀;孟凡民;;微表情識(shí)別的偵查實(shí)用性探析[J];江西警察學(xué)院學(xué)報(bào);2011年03期

3 申尋兵;隋華杰;許坤金;;微表情識(shí)別能力與在校生人際關(guān)系相關(guān)性研究[J];科技視界;2013年28期

4 武宇文,劉宏,查紅彬;基于特征分組加權(quán)聚類的表情識(shí)別[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2005年11期

5 何良華,鄒采榮,包永強(qiáng),趙力;人臉面部表情識(shí)別的研究進(jìn)展[J];電路與系統(tǒng)學(xué)報(bào);2005年01期

6 楊國(guó)亮;王志良;王國(guó)江;;面部表情識(shí)別研究進(jìn)展[J];自動(dòng)化技術(shù)與應(yīng)用;2006年04期

7 王功孝;;面部表情識(shí)別研究綜述[J];黑龍江科技信息;2007年24期

8 韓t}t};王益文;洪慧;徐艷嬌;;面孔呈現(xiàn)順序?qū)植勘砬樽R(shí)別的影響[J];山東師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年02期

9 寧凡;厲星星;;基于人臉幾何結(jié)構(gòu)的表情識(shí)別[J];計(jì)算機(jī)應(yīng)用與軟件;2009年06期

10 方婷;葛萬(wàn)成;;基于人臉?lè)菍?duì)稱性的表情識(shí)別[J];信息技術(shù);2009年11期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 沈卓卿;俞國(guó)良;;情緒表達(dá)者的文化差異對(duì)表情識(shí)別的影響[A];第十二屆全國(guó)心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

2 章吉;陳英和;;兒童混合表情識(shí)別的發(fā)展及與基本表情識(shí)別的關(guān)系[A];增強(qiáng)心理學(xué)服務(wù)社會(huì)的意識(shí)和功能——中國(guó)心理學(xué)會(huì)成立90周年紀(jì)念大會(huì)暨第十四屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2011年

3 劉芳;王志良;徐銀梅;陳鋒軍;郭群;;應(yīng)用于表情識(shí)別的黑斑特征算法的設(shè)計(jì)與實(shí)現(xiàn)[A];第一屆中國(guó)情感計(jì)算及智能交互學(xué)術(shù)會(huì)議論文集[C];2003年

4 史光遠(yuǎn);崔麗霞;;性別和羞怯水平對(duì)大學(xué)生面部表情識(shí)別的影響[A];第十五屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

5 曹宇嘉;鄭文明;趙力;鄒采榮;;基于差值模板特征的表情識(shí)別方法[A];第十二屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

6 李睿凡;朱強(qiáng)生;郭燕慧;劉海濤;;魯棒局部保持投影的表情識(shí)別[A];2006年首屆ICT大會(huì)信息、知識(shí)、智能及其轉(zhuǎn)換理論第一次高峰論壇會(huì)議論文集[C];2006年

7 韓t}t};王益文;;面孔呈現(xiàn)順序?qū)植勘砬樽R(shí)別的影響[A];第十一屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

8 歐陽(yáng)琰;桑農(nóng);;基于面部動(dòng)作單元組合特征的表情識(shí)別[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

9 羅崢;魏錦;陳凡;尹天驕;;自閉、智障與正常兒童面部表情識(shí)別的差異[A];增強(qiáng)心理學(xué)服務(wù)社會(huì)的意識(shí)和功能——中國(guó)心理學(xué)會(huì)成立90周年紀(jì)念大會(huì)暨第十四屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2011年

10 張明;傅小蘭;;微表情識(shí)別的背景效價(jià)效應(yīng)[A];心理學(xué)與創(chuàng)新能力提升——第十六屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 楊勇;基于粗糙集理論的表情識(shí)別研究[D];西南交通大學(xué);2009年

2 李遠(yuǎn)征;人體目標(biāo)跟蹤和表情識(shí)別中的若干問(wèn)題研究[D];西安電子科技大學(xué);2013年

3 阮錦新;多姿態(tài)人臉檢測(cè)與表情識(shí)別關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2010年

4 歐陽(yáng)琰;面部表情識(shí)別方法的研究[D];華中科技大學(xué);2013年

5 朱明旱;基于流形學(xué)習(xí)的人臉表情識(shí)別研究[D];中南大學(xué);2009年

6 劉帥師;非均勻光照和局部遮擋情況下的魯棒表情識(shí)別理論與方法研究[D];吉林大學(xué);2012年

7 張錚;基于二維MB-LGBP特征的表情識(shí)別及其光照檢測(cè)研究[D];天津大學(xué);2010年

8 付曉峰;基于二元模式的人臉識(shí)別與表情識(shí)別研究[D];浙江大學(xué);2008年

9 洪濤;船體建造CAD/CAM系統(tǒng)數(shù)據(jù)庫(kù)技術(shù)及面部表情識(shí)別技術(shù)的若干研究[D];浙江大學(xué);2003年

10 李永強(qiáng);基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的人面部運(yùn)動(dòng)識(shí)別方法研究[D];哈爾濱工業(yè)大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 賀春榮;情緒情境與訓(xùn)練因素對(duì)微表情識(shí)別能力影響的研究[D];山西醫(yī)科大學(xué);2012年

2 竇曉娟;大學(xué)生自卑特質(zhì)對(duì)面部表情識(shí)別的影響研究[D];河北師范大學(xué);2015年

3 黃世偉;雙相躁狂患者面部表情識(shí)別的研究[D];安徽醫(yī)科大學(xué);2015年

4 陳心韻;抑郁傾向、抑郁癥患者與正常人生態(tài)化微表情識(shí)別差異及評(píng)估指標(biāo)初探[D];蘇州大學(xué);2015年

5 張海婷;基于深度神經(jīng)網(wǎng)絡(luò)的人體動(dòng)作及自發(fā)表情識(shí)別[D];山東大學(xué);2015年

6 武冠群;基于情感模型的表情識(shí)別及應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2015年

7 路立;生態(tài)化微表情識(shí)別測(cè)量的編制及微表情識(shí)別差異研究[D];蘇州大學(xué);2015年

8 王晶晶;面部反饋對(duì)表情識(shí)別的作用及其影響因素[D];浙江師范大學(xué);2015年

9 王劍云;基于深度神經(jīng)網(wǎng)絡(luò)的表情識(shí)別算法[D];西南科技大學(xué);2015年

10 趙晴;微表情識(shí)別、親社會(huì)行為與人際交往的關(guān)系研究[D];曲阜師范大學(xué);2015年

，

本文編號(hào)：550346