隨著深度學(xué)習(xí)的快速發(fā)展,人的面部表情研究成為了一個(gè)熱點(diǎn)研究話題。表情識(shí)別屬于模式識(shí)別領(lǐng)域,對(duì)國(guó)防安全,兒童教育,心理學(xué)有著重要的應(yīng)用價(jià)值。為此,人們一直期望能夠通過(guò)機(jī)器準(zhǔn)確地識(shí)別人臉表情。同時(shí)面部表情作為最有力的社交信號(hào)之一,在日常生活交流中能夠幫助理解對(duì)方的內(nèi)心情感。然而在人類的基本表情中,微笑是人類內(nèi)心喜悅的體現(xiàn),微笑也是人類交流中最常見(jiàn)的表達(dá)方式之一。微笑檢測(cè)作為基本人臉表情中一項(xiàng)特定工作,在心理學(xué)還有人的行為分析方面有著巨大的潛在應(yīng)用價(jià)值,同時(shí)微笑檢測(cè)對(duì)孤獨(dú)癥患病兒童的早期干預(yù)和診斷尤為重要。為此針對(duì)上述問(wèn)題,將展開(kāi)對(duì)二分類的微笑檢測(cè)和七分類人臉表情識(shí)別算法的研究以及七類表情識(shí)別系統(tǒng)的搭建,本文的主要工作如下:（1）建立兒童微笑表情數(shù)據(jù)庫(kù)。詳細(xì)介紹了兒童微笑表情數(shù)據(jù)庫(kù)的建庫(kù)流程,對(duì)網(wǎng)絡(luò)爬蟲、人工標(biāo)注、圖像預(yù)處理等操作進(jìn)行詳細(xì)介紹;從網(wǎng)絡(luò)爬蟲的大量圖片,經(jīng)過(guò)專業(yè)的人工標(biāo)注和圖像預(yù)處理之后,從中挑選了2804張兒童表情圖片,其中兒童笑臉有1445張,非微笑有1359張,最后完成建庫(kù)工作。（2）兒童微笑表情識(shí)別的研究。目前國(guó)內(nèi)外公開(kāi)的兒童笑表情數(shù)據(jù)庫(kù)寥寥無(wú)幾,由于多數(shù)微笑表情庫(kù)是包含... 

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于傳統(tǒng)方法表情識(shí)別算法研究現(xiàn)狀
        1.2.2 基于深度學(xué)習(xí)表情識(shí)別算法研究現(xiàn)狀
    1.3 本文的研究工作和組織框架
        1.3.1 本文的主要研究工作
        1.3.2 本文的組織框架
第二章 兒童微笑表情圖像數(shù)據(jù)庫(kù)的建立
    2.1 引言
    2.2 國(guó)內(nèi)外現(xiàn)有表情數(shù)據(jù)庫(kù)及技術(shù)挑戰(zhàn)
    2.3 數(shù)據(jù)庫(kù)建庫(kù)流程
    2.4 數(shù)據(jù)庫(kù)的建立
        2.4.1 網(wǎng)絡(luò)爬蟲
        2.4.2 人工標(biāo)注
        2.4.3 圖像預(yù)處理
    2.5 本章小結(jié)
第三章 基于深度卷積神經(jīng)網(wǎng)絡(luò)的微笑檢測(cè)算法
    3.1 引言
    3.2 基于VGGNet網(wǎng)絡(luò)的笑臉識(shí)別
        3.2.1 網(wǎng)絡(luò)模型結(jié)構(gòu)
        3.2.2 模型配置參數(shù)
    3.3 基于BRNet網(wǎng)絡(luò)的笑臉識(shí)別
        3.3.1 構(gòu)建損失函數(shù)
        3.3.2 網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)
    3.4 基于殘差網(wǎng)絡(luò)的笑臉識(shí)別
        3.4.1 殘差網(wǎng)絡(luò)的結(jié)構(gòu)
        3.4.2 殘差網(wǎng)絡(luò)的訓(xùn)練
    3.5 實(shí)驗(yàn)結(jié)果及分析
        3.5.1 GENKI-4K笑臉數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)
        3.5.2 自建兒童笑臉庫(kù)上的實(shí)驗(yàn)
    3.6 本章小結(jié)
第四章 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉表情識(shí)別系統(tǒng)搭建
    4.1 引言
    4.2 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉表情識(shí)別系統(tǒng)的構(gòu)建
        4.2.1 整體網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.2 卷積神經(jīng)網(wǎng)絡(luò)的搭建
        4.2.3 卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練
    4.3 算法設(shè)計(jì)流程
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 數(shù)據(jù)庫(kù)介紹
        4.4.2 實(shí)驗(yàn)參數(shù)設(shè)定
        4.4.3 實(shí)驗(yàn)結(jié)果分析
    4.5 人臉表情識(shí)別系統(tǒng)的搭建
        4.5.1 硬件配置環(huán)境
        4.5.2 軟件配置環(huán)境
        4.5.3 深度學(xué)習(xí)框架安裝
        4.5.4 表情識(shí)別系統(tǒng)搭建
        4.5.5 界面設(shè)計(jì)
        4.5.6 界面主要功能
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 后續(xù)研究討論
參考文獻(xiàn)
致謝
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]地質(zhì)領(lǐng)域機(jī)器學(xué)習(xí)、深度學(xué)習(xí)及實(shí)現(xiàn)語(yǔ)言[J]. 周永章,王俊,左仁廣,肖凡,沈文杰,王樹(shù)功.  巖石學(xué)報(bào). 2018(11)
[2]人工智能在計(jì)算機(jī)視覺(jué)及網(wǎng)絡(luò)領(lǐng)域中的應(yīng)用[J]. 張大巍.  電子技術(shù)與軟件工程. 2018(11)
[3]一種基于TuriCreate和OpenCV的實(shí)時(shí)圖像識(shí)別系統(tǒng)設(shè)計(jì)[J]. 羅伊杭,羅詩(shī)光,潘與維,楊歡,韋金嬌.  電子測(cè)試. 2018(10)
[4]基于Python+Pandas+Matplotlib的學(xué)生成績(jī)數(shù)據(jù)統(tǒng)計(jì)與圖形輸出實(shí)現(xiàn)[J]. 劉雨珂,王平.  福建電腦. 2017(11)
[5]深度學(xué)習(xí)技術(shù)教育應(yīng)用:現(xiàn)狀和前景[J]. 劉勇,李青,于翠波.  開(kāi)放教育研究. 2017(05)
[6]構(gòu)建多尺度深度卷積神經(jīng)網(wǎng)絡(luò)行為識(shí)別模型[J]. 劉智,黃江濤,馮欣.  光學(xué)精密工程. 2017(03)
[7]基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像檢索算法研究[J]. 劉海龍,李寶安,呂學(xué)強(qiáng),黃躍.  計(jì)算機(jī)應(yīng)用研究. 2017(12)
[8]深度卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺(jué)中的應(yīng)用研究綜述[J]. 盧宏濤,張秦川.  數(shù)據(jù)采集與處理. 2016(01)
[9]基于主成分分析和Softmax回歸模型的人臉識(shí)別方法[J]. 汪海波,陳雁翔,李艷秋.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(06)
[10]基于混淆矩陣的證據(jù)可靠性評(píng)估[J]. 宋亞飛,王曉丹,雷蕾.  系統(tǒng)工程與電子技術(shù). 2015(04)



本文編號(hào)：3673678