隨著科技的發(fā)展,“智能化”已滲入人們的日常生活。情感智能是人工智能研究領(lǐng)域中的重要內(nèi)容,而其中的人臉表情識別技術(shù)在公共安全、醫(yī)療服務(wù)以及人機(jī)交互等領(lǐng)域的應(yīng)用需求不斷提升,因此基于圖像的人臉表情識別是研究的熱點之一。論文基于貝葉斯推理理論,針對其中的表情特征提取和分類問題開展相關(guān)研究,有著重要的理論和應(yīng)用價值。論文的主要工作如下:首先,設(shè)計了兩種人臉表情特征的提取方法。第一種方法提取了基于語義圖像塊的傳統(tǒng)特征,該方法結(jié)合多尺度采樣策略來生成語義圖像塊,并在此之上提取Dense SIFT和LBP_HF特征,然后將兩種特征進(jìn)行融合。第二種方法提取了基于卷積神經(jīng)網(wǎng)絡(luò)的深度特征,該方法采用改進(jìn)的VGG19網(wǎng)絡(luò),實現(xiàn)了有效的特征學(xué)習(xí)。其次,在語義圖像塊的傳統(tǒng)特征之上,提出了基于貝葉斯主題模型的人臉表情識別方法。該方法通過分層處理的方式對語義圖像塊的特征進(jìn)行了二次抽象。首先,在局部特征之上構(gòu)造視覺詞典,然后編碼形成表情詞匯特征,進(jìn)而通過人臉主題模型的學(xué)習(xí),得到潛在的表情主題特征,以此作為最終的識別向量。該方法在JAFFE數(shù)據(jù)集上獲得了94.9%的準(zhǔn)確率,并且在CK+數(shù)據(jù)集上的六類... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

不同被試者在相同表情下的表現(xiàn)

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 識別難點在于樣本較少，且不同被試者的各個表情狀態(tài)存在示，第一位女性在不同情緒下的面部變化幅度較小，而第二位。另外，該數(shù)據(jù)集中還含有少量的標(biāo)注錯誤，如圖 2-2 所示DI FE HA NE SA 圖 2-1 不同被試者在相同表情下的表現(xiàn)

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文數(shù)據(jù)集上的評估算法并不統(tǒng)一。對于靜態(tài)人臉表情識別，常用的數(shù)據(jù)選擇方法取每個序列中包含峰值的若干幀。同時，由于 CO 類別樣本較少，識別較為困難以不少方法在性能評估時，將此類排除在外。（3）FER2013 數(shù)據(jù)集FER2013[48]是由谷歌圖像搜索 API 自動采集的大型人臉表情數(shù)據(jù)集，帶有 7 情標(biāo)簽：AN，HA，SA，SU，DI，F(xiàn)E，NE。該數(shù)據(jù)集包含了 35887 個面部灰像，分辨率為 48×48 像素，這些圖像一般可以直接用作表情識別，而無需再進(jìn)臉檢測。在 FER2013 數(shù)據(jù)集中，訓(xùn)練集的數(shù)目為 28709，“PublicTestSet”PrivateTestSet”的數(shù)目各為 3589，二者可以分別用作驗證集和測試集，也可以于測試。從圖 1-6 的樣例可以看出，該數(shù)據(jù)集的圖像在年齡、姿勢和光照等方面很大，同時存在著遮擋的情況。另外，該數(shù)據(jù)集上的肉眼識別準(zhǔn)確率僅為 65.5%


本文編號：3280804