發(fā)布時間：2021-09-04 06:44

　　人臉表情作為一種傳達情緒狀態(tài)和意圖的主要形式,在人際關(guān)系中提供了重要的非語言交際線索。隨著人工智能和機器學(xué)習(xí)等技術(shù)的興起,現(xiàn)有的人機交互方式已經(jīng)無法滿足人類的需求,使機器具備精確辨別人類情緒的能力逐漸成為計算機視覺等領(lǐng)域的熱點研究問題。受光照、角度等客觀條件影響,人臉面部表情難以達到特征統(tǒng)一,給計算機識別情緒帶來了巨大挑戰(zhàn),因此,構(gòu)建具有準(zhǔn)確表情分類能力、學(xué)習(xí)不同表情特征的機器模型對實現(xiàn)自然人機交互具有重要研究意義。隨著深度學(xué)習(xí)方法在計算機視覺領(lǐng)域的廣泛應(yīng)用,使現(xiàn)有的面部表情識別模型效果得到了顯著提高,但仍存在網(wǎng)絡(luò)泛化能力不強、模型結(jié)構(gòu)復(fù)雜導(dǎo)致網(wǎng)絡(luò)計算量大、表情識別效果不夠理想等問題,針對這些問題,本文提出一種基于小尺度核卷積的人臉表情識別方法,通過設(shè)計多層小尺度核卷積塊提取面部表情特征,對樣本數(shù)據(jù)進行訓(xùn)練測試優(yōu)化特征提取網(wǎng)絡(luò)模型,使用Softmax分類器實現(xiàn)表情分類,并對方法性能進行實驗驗證,證明算法的有效性。本文的研究工作主要包括以下幾個方面:1)采用數(shù)據(jù)增強變換等方法來增強網(wǎng)絡(luò)模型的泛化能力,降低人臉表情圖像的多樣化影響,在圖像預(yù)處理階段采用人臉檢測和數(shù)據(jù)增強兩種手段,擴充樣本數(shù)... 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１人臉表情識別研究進程??

宄表情識別，下面將對深度置信網(wǎng)絡(luò)、深度自編碼網(wǎng)??絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)四種應(yīng)用于表情識別的深度學(xué)習(xí)技術(shù)進行詳細介??紹與分析。??２．?３．１基于深度置信網(wǎng)絡(luò)的人臉表情識別??深度置信網(wǎng)絡(luò)（〇￡￡？８￡１丨￡【仏飲〇也，０８＞〇由沌加〇１１教授率先［３７］提出，將無監(jiān)??督學(xué)習(xí)和有監(jiān)督學(xué)習(xí)相結(jié)合，建立一個觀察數(shù)據(jù)和標(biāo)簽的聯(lián)合分布，得到一個用于??學(xué)習(xí)提取深層次訓(xùn)練特征的概率生成模型。傳統(tǒng)的深度置信網(wǎng)絡(luò)由若干層受限玻爾??茲曼機（ＲＢＭ）?Ｍ構(gòu)建而成。深度置信網(wǎng)絡(luò)的結(jié)構(gòu)圖如圖２．２所示。??，／?＼?，??、＇、??輸出數(shù)據(jù)?｜?標(biāo)準(zhǔn)標(biāo)注信息??、??ｙ?Ｖ?Ｊ??Ｂｐ「―?？二??＾２?｜?ｊ；反向傳播??「！?－?＊?￣?￣?Ｋ，－?１?￣?１??參參？?？?？？魯）Ｉ?Ｉ??Ｉ??：?＂，?Ｉ?Ｉ??ＲＢＭ???［！?１?Ｉ??％?！！?微調(diào)?Ｉ??ｒ?－?－ｊ????１－－，??｜?（籲魯籲？?？?？？籲ｆ?丨｜??ｌ＿—二一丨??ＲＢＭ?！?％?１?Ｉ?微調(diào)????ｔ＿?ｋ＿?！??（?輸入數(shù)據(jù)??圖２．２?ＤＢＮ基本結(jié)構(gòu)圖??如圖２．２所示，該模型通過多層受限玻爾茲曼機自動學(xué)習(xí)特征。其中，ＲＢＭ［３８］??是可見單元層（顯層）和隱藏單元層（隱層）組成的兩層生成隨機模型，訓(xùn)練數(shù)據(jù)??由顯層輸入，隱層則作為特征檢測器。訓(xùn)練過程中，前一個ＲＢＭ的輸出層（隱層）??１１??

碩士學(xué)位論文??ｙ?ＭＡＳＴＥＲ?ＳＴＨＥＳＩＳ??特征，再通過ＤＢＮ網(wǎng)絡(luò)訓(xùn)練，得到更高層次的表情特征。??２．３．２基于深度自動編碼器的人臉表情識別??深度自動編碼器（ＤｅｅｐＡｕｔｏ－Ｅｎｃｏｄｅｒ，ＤＡＥ）?最早用以學(xué)習(xí)有效的降維編碼??而產(chǎn)生，與經(jīng)過大量訓(xùn)練可以預(yù)測目標(biāo)值的網(wǎng)絡(luò)相反，ＤＡＥ通過最小化重構(gòu)誤差來??優(yōu)化其輸入，其基本結(jié)構(gòu)如圖２．３所示。??輸入層?輸出層??Ｉ?Ｉ?Ｉ??編碼器?解碼器??圖２．３?ＤＡＥ網(wǎng)絡(luò)基本結(jié)構(gòu)圖??ＤＡＥ網(wǎng)絡(luò)為對稱結(jié)構(gòu)，由輸入層、隱藏層和輸出層組成。數(shù)據(jù)從輸入層輸入，??經(jīng)過編碼器編碼即數(shù)據(jù)降維到達隱藏層，然后通過隱藏層作用生成與原輸入節(jié)點相??同的輸出節(jié)點，類似于解碼器運算。深度自動編碼網(wǎng)絡(luò)的編碼、解碼過程可用公式??（２．３）、（２．４）來進行描述。??ｈ?＝?ｆ（ｘ）＝ｓ／｛Ｗｘ＋ｂｉ）?（２．３）??少＝ｇ（辦）＝？（■?＋辦２）?（２．４）??其中，Ａ為隱藏節(jié)點數(shù)值，；ｃ為輸入值，：ｖ為輸出值，函數(shù)／表示從輸入層到??隱藏層的編碼過程，函數(shù)ｇ表示從隱藏層到輸出層的解碼過程，灰為編碼器權(quán)值，??釅為解碼器權(quán)值，為編碼器偏置值，６２為解碼器偏置值，＆為編碼器激活函數(shù)，??１３??

【參考文獻】：
期刊論文
[1]基于域適應(yīng)卷積神經(jīng)網(wǎng)絡(luò)的人臉表情識別[J]. 亢潔,李佳偉,楊思力.  計算機工程. 2019(12)
[2]基于多特征融合密集殘差CNN的人臉表情識別[J]. 馬中啟,朱好生,楊海仕,王琪,胡燕海.  計算機應(yīng)用與軟件. 2019(07)
[3]基于人臉分割的復(fù)雜環(huán)境下表情識別實時框架[J]. 呂誨,童倩倩,袁志勇.  計算機工程與應(yīng)用. 2020(12)
[4]基于多尺度核特征卷積神經(jīng)網(wǎng)絡(luò)的實時人臉表情識別[J]. 李旻擇,李小霞,王學(xué)淵,孫維.  計算機應(yīng)用. 2019(09)
[5]基于改進的深度殘差網(wǎng)絡(luò)的表情識別研究[J]. 何俊,劉躍,李倡洪,沈津銘,李帥,王京威.  計算機應(yīng)用研究. 2020(05)
[6]基于跨連接LeNet-5網(wǎng)絡(luò)的面部表情識別[J]. 李勇,林小竹,蔣夢瑩.  自動化學(xué)報. 2018(01)
[7]人臉表情識別的研究進展[J]. 蔣斌,賈克斌,楊國勝.  計算機科學(xué). 2011(04)
[8]人臉表情識別方法綜述[J]. 王志良,陳鋒軍,薛為民.  計算機應(yīng)用與軟件. 2003(12)

碩士論文
[1]基于2D-FrFT多階次特征融合的人臉表情識別技術(shù)[D]. 張嗣思.鄭州大學(xué) 2011



本文編號：3382776