人臉表情識別作為情感識別智能系統(tǒng)中的關(guān)鍵技術(shù),它能夠很好地表達出人類的心理、情緒和意圖等,是實現(xiàn)人機交互的重要基礎(chǔ)之一。然而傳統(tǒng)的人臉表情特征提取方法不僅增加了模型的訓(xùn)練時間和空間復(fù)雜度,而且還會在一定的程度上丟失原有圖像中的表情特征信息,影響識別效果。因此,本文將深度學(xué)習(xí)中的方法引入到人臉表情識別的任務(wù)中,論文主要工作如下:1.在人臉表情識別過程中,針對提高識別準確率的問題。本文將去噪自編碼器、稀疏自編碼器以及普通自編碼器這3種自編碼器進行級聯(lián),形成一個多層的全連接網(wǎng)絡(luò),然后在該網(wǎng)絡(luò)上最后一層加上softmax分類器構(gòu)成一個新的分類網(wǎng)絡(luò),即堆棧式混合自編碼器。并按照貪婪逐層訓(xùn)練方式（即將前一個自編碼器的輸出層去掉并將該自編碼器的隱層作為下一個自編碼器的輸入層）進行訓(xùn)練來解決局部最優(yōu)的問題。由于該網(wǎng)絡(luò)組合了多種自編碼器,從而使得該網(wǎng)絡(luò)具有多個自編碼器的優(yōu)點,使得提取的特征更加具有代表性。使用堆棧式混合自編碼器網(wǎng)絡(luò)在JAFFE（The Japanese Female Facial Expression Database）數(shù)據(jù)庫和CK+（The Extended Cohn-Kanade D... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 表情識別的類別概述
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 人臉表情識別算法研究現(xiàn)狀
        1.3.2 遷移學(xué)習(xí)的研究現(xiàn)狀
    1.4 本文研究內(nèi)容及章節(jié)安排
    1.5 本章小結(jié)
2 人臉表情數(shù)據(jù)庫與圖像預(yù)處理
    2.1 人臉表情數(shù)據(jù)庫簡介
    2.2 圖像預(yù)處理
        2.2.1 人臉檢測
        2.2.2 歸一化處理
        2.2.3 直方圖均衡化
        2.2.4 數(shù)據(jù)增強
    2.3 本章小結(jié)
3 堆棧式混合自編碼器的人臉表情識別
    3.1 自編碼器
        3.1.1 普通自編碼器
        3.1.2 稀疏自編碼器
        3.1.3 去噪自編碼器
        3.1.4 堆棧式自編碼器
    3.2 堆棧式混合自編碼器的人臉表情識別
        3.2.1 堆棧式混合自編碼器
        3.2.2 反向傳播算法
        3.2.3 堆棧式混合自編碼器的人臉表情識別路線
    3.3 實驗分析與結(jié)論
        3.3.1 實驗設(shè)置
        3.3.2 實驗結(jié)果對比與分析
    3.4 本章小結(jié)
4 模型遷移的人臉表情識別
    4.1 遷移學(xué)習(xí)
        4.1.1 遷移學(xué)習(xí)定義
        4.1.2 遷移學(xué)習(xí)分類
    4.2 模型遷移的人臉表情識別
        4.2.1 模型遷移
        4.2.2 深度模型選擇
        4.2.3 模型遷移實現(xiàn)過程
    4.3 模型遷移實驗和實驗分析
        4.3.1 實驗設(shè)置
        4.3.2 實驗結(jié)果與分析
        4.3.3 Inception V3遷移網(wǎng)絡(luò)測試實例化
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻
攻讀碩士學(xué)位期間發(fā)表的論文


【參考文獻】：
期刊論文
[1]基于Gabor融合特征與深度自動編碼器的笑臉識別方法[J]. 梁淑芬,付迎迎,楊芳臣.  信息記錄材料. 2019(01)
[2]基于光流特征與高斯LDA的面部表情識別算法[J]. 劉濤,周先春,嚴錫君.  計算機科學(xué). 2018(10)
[3]基于棧式去噪自編碼器的遙感圖像分類[J]. 張一飛,陳忠,張峰,歐陽超.  計算機應(yīng)用. 2016(S2)
[4]將稀疏自動編碼器用于置換混疊圖像盲分離[J]. 段新濤,李飛飛,劉尚旺,彭濤,王婧娟.  信號處理. 2016(05)
[5]融合深度信念網(wǎng)絡(luò)和多層感知器的人臉表情識別[J]. 施徐敢,張石清,趙小明.  小型微型計算機系統(tǒng). 2015(07)
[6]基于改進Kinect的點分布模型面部表情特征提取[J]. 曹小峰,程實,陳翔,陳曉紅.  計算機工程與科學(xué). 2015(04)
[7]Feature Representation for Facial Expression Recognition Based on FACS and LBP[J]. Li Wang,Rui-Feng Li,Ke Wang,Jian Chen.  International Journal of Automation & Computing. 2014(05)
[8]結(jié)合Gabor變換和FastICA的人臉表情識別方法[J]. 丁維福,姜威,張亮亮.  計算機工程與應(yīng)用. 2011(24)
[9]人臉檢測研究綜述[J]. 梁路宏,艾海舟,徐光祐,張鈸.  計算機學(xué)報. 2002(05)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)算法研究及其在細粒度圖像識別中的應(yīng)用[D]. 聶建政.西安電子科技大學(xué) 2018
[2]基于深度學(xué)習(xí)的表情識別研究[D]. 趙艷.重慶郵電大學(xué) 2016



本文編號：3330450