人臉表情識(shí)別一直以來都是情感研究的主要部分,同時(shí)也是未來社會(huì)人機(jī)交互的重要組成部分,具有十分重要的研究意義和廣闊的應(yīng)用場(chǎng)景,例如檢測(cè)疲勞駕駛、心理醫(yī)療、遠(yuǎn)程教育等領(lǐng)域。在其發(fā)展過程中,大致根據(jù)研究方法可以構(gòu)建兩種識(shí)別模型:基于分類器模型和端到端的深度學(xué)習(xí)模型。在其解決方案上主要分成四個(gè)步驟:圖像中的人臉檢測(cè)、人臉區(qū)域關(guān)鍵點(diǎn)定位、表情特征提取和表情識(shí)別。前兩個(gè)步驟已經(jīng)在眾多的領(lǐng)域得到了研究,但是人臉的關(guān)鍵點(diǎn)定位和特征的提取分類仍然是研究的核心。上面講述了兩種主要的研究方法。當(dāng)我們從所要研究的對(duì)象來考量,大致分為兩種,基于靜態(tài)圖像和基于實(shí)時(shí)視頻序列的人臉表情識(shí)別。為了解決從靜態(tài)圖像中分析人臉表情,我們提出了基于隔離損失的神經(jīng)網(wǎng)絡(luò)模型,其主要特點(diǎn)是利用卷積神經(jīng)網(wǎng)絡(luò)來從圖像中獲取人臉表情,相比于人工設(shè)計(jì)的Haar特征及其LBP特征,其具有更好的準(zhǔn)確性和合理性。此外,本文的主要?jiǎng)?chuàng)新在于:解決人臉特征提取上的問題,通過新的損失函數(shù)——隔離損失,有效的提高了系統(tǒng)的判別性,并大大減少了誤判;在視頻序列的處理上,我們的主要提出了一種局部雙向遞歸循環(huán)神經(jīng)網(wǎng)絡(luò)來解決此問題。其主要原理是在雙向循環(huán)神經(jīng)網(wǎng)絡(luò)模型... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：82 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

面部運(yùn)動(dòng)單元大概在90年代左右，著名學(xué)者Kenji就實(shí)現(xiàn)了根據(jù)圖像臉部的肌肉運(yùn)動(dòng)來進(jìn)行光流法的分析

在人機(jī)交互和計(jì)算機(jī)視覺領(lǐng)域是非常熱門的研究方域眾多科研學(xué)者一直不斷的進(jìn)行研究。下面從兩個(gè)方態(tài)圖像中進(jìn)行人臉檢測(cè)的方法：基于機(jī)器學(xué)習(xí)的卷積圖 2.2 視頻中人臉檢測(cè)

但是上面所講述的方法也存在弊端，例如我們根據(jù)經(jīng)驗(yàn)得到的總結(jié)往往是主觀臆斷，沒有一個(gè)嚴(yán)格的概念規(guī)則去進(jìn)行區(qū)分，當(dāng)我們利用這些模糊判斷人臉識(shí)別時(shí)，會(huì)遇到很大的限制性。而且當(dāng)檢測(cè)樣本和我們已經(jīng)建立的規(guī)則圖 2.3 圖像分層

【參考文獻(xiàn)】：
博士論文
[1]基于深度學(xué)習(xí)和面部多源動(dòng)態(tài)行為融合的駕駛員疲勞檢測(cè)方法研究[D]. 趙磊.山東大學(xué) 2018

碩士論文
[1]特征點(diǎn)主導(dǎo)的面部自發(fā)表情識(shí)別方法研究[D]. 許亮.西安理工大學(xué) 2018
[2]基于視頻的人體行為和表情異常檢測(cè)方法研究[D]. 崔利軍.西安理工大學(xué) 2018
[3]基于深度學(xué)習(xí)的人臉表情識(shí)別算法研究[D]. 曾逸琪.中國(guó)科學(xué)技術(shù)大學(xué) 2018



本文編號(hào)：3587305