情感在人類社會交往傳遞信息的過程中起到了非常重要的作用。人臉表情是人類表達情感狀態(tài)和意圖的最有力、最自然、最普遍的信號之一。建立一個自動識別人臉表情的系統(tǒng)是近年來的一個研究熱點。目前深度神經(jīng)網(wǎng)絡越來越多地被用于學習識別表征的自動化人臉表情識別任務。由于自然環(huán)境下的復雜場景,導致在采集自然環(huán)境下的人臉表情數(shù)據(jù)集時存在很大的困難,現(xiàn)存的深度學習算法在自然環(huán)境下的數(shù)據(jù)集上由于缺乏足夠的訓練數(shù)據(jù)導致過度擬合。大量的訓練數(shù)據(jù)才能驅動深度學習模型去捕捉與表情相關的細微變化。此外,在有限的訓練樣本的情況下,自然環(huán)境下的復雜環(huán)境因素,例如照明變化、遮擋、大幅度姿態(tài)變化等影響因素是導致情感識別率偏低的主要因素。針對以上兩個問題,本文提出基于少樣本學習和解散表達學習的自然環(huán)境下人臉表情識別方法。文章的主要內容和創(chuàng)新點如下:1)基于少樣本學習的自然環(huán)境下人臉表情識別方法。該方法引入少樣本學習的思想,構建一個自然環(huán)境下的FER深度學習框架—卷積關系網(wǎng)絡（Convolutional Relation Network,CRN）,該框架通過比較充足樣本間的特征相似性進行學習,利用樣本數(shù)量較少的樣本來識別新的類。具體... 

【文章來源】：江蘇大學江蘇省

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

圖１．１六種基本人臉表情??

?自然環(huán)境下的人臉表情識，別方法研究???瞧＿觀??（ａ）實驗室控制環(huán)境下的人臉樣本?（ｂ）自然環(huán)境下的人臉樣本??圖１．２實驗室控制的環(huán)境下和自然環(huán)境下進行面部表情識別對比圖??近年來，基于包含圖像或圖像序列的靜態(tài)／動態(tài)數(shù)據(jù)庫研究的ＦＥＲ在迅速發(fā)??展＾現(xiàn)實生活中的大規(guī)模人臉表倩數(shù)據(jù)庫是通過從２聯(lián)網(wǎng)上獲取圖像而構建出來??的［２２］，更適合于近年來廣為人知的深度學習方法。但是，在華期的ＦＥＲ中，大??多是采用手工特征來進行任務識別。在最近的ＥｍｏｔｉＷ系列比賽中，基于手工特??征和學習型特征采用了許多方法。例如，ＥｍｏｔｉＷ?２０１３競賽的基準是基于使用簡??單的非線性特征和非線性ＳＶＭ［２３］。即使是表現(xiàn)最好的方法［２４］［２５］也會應用到了手??：￡特征，例如：比例不變特征變換（ＳＩＦＴ）特征［２５域定向梯度（ＨＯＧｓ）特征［２６］??以及金字塔的直方圖ｐ４］。同樣，手工特征（即密集的ＳＩＦＴ和文字袋）在ＦＥＲ－２０１３??競爭中也獲得了高性能。但是，自２０１３年以來，由于ＦＥＲ２０１３［２７］和自然環(huán)境下??情感識別（ＥｍｏｔｉＷ）等情感識別競賽的開展，在具有挑戰(zhàn)性的現(xiàn)實場景中收集??的訓練數(shù)據(jù)開始相對充足，這隱含地促進了?ＦＥＲ從實驗室控制到自然環(huán)境的過??渡。聞時，由于芯片處理能力（例如ＧＰＵ單元）的顯著提高和精心設計的網(wǎng)絡??體系結構，各個領域的研宄己開始轉向深度學習方法，從而獲得最新的認可準確??性，并且大大超過先前的結果。同樣，由于擁有更有效的人臉表情訓練數(shù)據(jù)，越??來越多的學者采用深度學習技術來應對自然環(huán)境下情感識別的挑戰(zhàn)性因素。??使用各種標準以及經(jīng)過修改的深度學習網(wǎng)絡體系結構是目前ＦＥ

識，別方法研究???第二章自然環(huán)境下人臉表情識別相關理論與技術分析??在本章中，首先對自然環(huán)境下人臉表情識別進行概述，緊接著對自然環(huán)境下??的人臉表情識別的過程進行系統(tǒng)的介紹，最后介紹將少樣本學習和解散表達學習??引入到自然環(huán)境下人臉表情識別中的關鍵算法和相關技術，也為本文的第威章和??第四章奠定了理論基矗??２．１自然環(huán)境下人臉表情識別概述??人臉表情識別（ＦＥＲ）的直的是從帶有人臉的樣本中先檢測到人臉區(qū)域，再??通過不同的方法進行面部情感特征的提取，最后進行情感分類。如圖２．１所示，??人臉表情識別系統(tǒng)框架包括３個步驟：１）人臉檢測，２）表情特征提取，３）人??臉表情分類。每一個步驟都是ＦＥＲ中不可或缺的，并且每ｄ部分都有很多學者??投身于此，進行發(fā)展和創(chuàng)新，共同作用促使人臉表情識別系統(tǒng)可以達到更好的性??能。自然環(huán)境下的人臉表情識別由于其復雜性，在以上每個步驟中都存在著困難??和挑戰(zhàn)。??人膾檢測?歸一化?手工特征?學習型特征?傳統(tǒng)分類器?神經(jīng)網(wǎng)絡??圖２．１人臉表情識別系統(tǒng)框架??（１）人臉檢測。人臉檢測普遍存在于人臉識別領域和人臉表情識別領域，??是預處理環(huán)節(jié)中不可缺少的一部分，也一定程度上對后面的步驟產(chǎn)生影響。人臉??檢測是園的是從包含背景的輸入圖片中定位出人臉所在的區(qū)域，從而剔除大部分??與人臉無關的背景區(qū)域。人臉歸一化是將檢測到的人臉進行歸一化處理ａ??（２）表情特征提齲提取表倩特征是人臉表情識別中的一個重要環(huán)節(jié)，對??定位到的人臉進行特征提取操作得到有利于最后分類的有效信息是？常必要的。??不同提取特征的方式也會對應著得到不同的特征，因此，特征提取也是所有分類??１２??


本文編號：3072228