情感在人類進(jìn)行信息交流過(guò)程中扮演著重要的角色,人的情感狀態(tài)通常是肢體語(yǔ)言、面部表情和語(yǔ)音語(yǔ)義的綜合表現(xiàn)。面部表情作為最原始的交流方式,是人類傳達(dá)其情感狀態(tài)和意圖最自然和最有力的途徑。面部表情分析是情感計(jì)算的基礎(chǔ),是實(shí)現(xiàn)人機(jī)自然情感交互的關(guān)鍵技術(shù)。面部表情分析主要由面部表情識(shí)別和表情強(qiáng)度估計(jì)兩個(gè)方面組成,表情識(shí)別的工作主要是識(shí)別六類基本表情,包括:憤怒、厭惡、恐懼、高興、悲傷和驚訝;而表情強(qiáng)度估計(jì)則進(jìn)一步區(qū)分同類表情之間在強(qiáng)度上的細(xì)微程度�，F(xiàn)有的工作多集中于表情識(shí)別,對(duì)表情強(qiáng)度估計(jì)的研究較少。但是,僅僅分類基本表情并不能完全理解人的情緒。為了進(jìn)一步理解人的情感狀態(tài)和情緒強(qiáng)度,表情強(qiáng)度估計(jì)引起了廣泛的關(guān)注。盡管研究者們?cè)诒砬榉治鲱I(lǐng)域投入了大量的精力,也創(chuàng)造出了眾多有意義的研究成果,但由于人臉表情的細(xì)微性和復(fù)雜多樣性,在該領(lǐng)域目前仍舊存在一些難點(diǎn),難以訓(xùn)練出魯棒性高,泛化能力強(qiáng)的模型,易出現(xiàn)過(guò)擬合問(wèn)題。特別是表情強(qiáng)度方面,仍然缺乏大量的有標(biāo)記的數(shù)據(jù),難以用有監(jiān)督的方法訓(xùn)練模型。盡管基于排序的方法能夠解決這一問(wèn)題,但是排序方法只能估計(jì)表情的相對(duì)強(qiáng)度,無(wú)法估計(jì)表情的絕對(duì)強(qiáng)度。針對(duì)以上問(wèn)題,本文主... 

【文章來(lái)源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究?jī)?nèi)容和論文結(jié)構(gòu)
        1.3.1 研究?jī)?nèi)容
        1.3.2 論文組織結(jié)構(gòu)
    1.4 本章小結(jié)
第二章 面部表情分析相關(guān)技術(shù)
    2.1 引言
    2.2 面部表情數(shù)據(jù)庫(kù)
    2.3 圖像預(yù)處理
        2.3.1 人臉檢測(cè)
        2.3.2 人臉歸一化
    2.4 表情分類方法
        2.4.1 傳統(tǒng)機(jī)器學(xué)習(xí)方法
        2.4.2 深度卷積神經(jīng)網(wǎng)絡(luò)
    2.5 表情強(qiáng)度估計(jì)方法
    2.6 本章小結(jié)
第三章 基于順序信息的面部表情分析方法
    3 .1引言
    3.2 基于順序信息的表情分析算法
        3.2.1 表情強(qiáng)度排序問(wèn)題
        3.2.2 基于Rank-CNN的表情分析
    3.3 實(shí)驗(yàn)
        3.3.1 實(shí)驗(yàn)設(shè)置
        3.3.2 實(shí)驗(yàn)結(jié)果及分析
    3.4 本章小結(jié)
第四章 基于半監(jiān)督學(xué)習(xí)的表情強(qiáng)度估計(jì)方法
    4.1 引言
    4.2 基于半監(jiān)督學(xué)習(xí)的表情強(qiáng)度估計(jì)方法
        4.2.1 表情強(qiáng)度排序與回歸問(wèn)題
        4.2.2 融合排序CNN和回歸CNN的半監(jiān)督框架
        4.2.3 融合排序CNN和回歸CNN的表情強(qiáng)度估計(jì)
    4.3 實(shí)驗(yàn)
        4.3.1 實(shí)驗(yàn)設(shè)置
        4.3.2 實(shí)驗(yàn)結(jié)果及分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 本文展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的論文
致謝



本文編號(hào)：3054568