隨著人機交互技術的不斷發(fā)展,人們的生活得到了很大的便利,人們逐漸對人機交互提出了新的要求,人們希望計算機能夠識別人的情感狀態(tài),并依據目前人的情感狀態(tài)提供更人性化的服務。表情作為人類情感最直觀的表現,隱藏著很多重要的信息,充分利用這些信息,可以進一步提高人們的生活水平,因而具有巨大的應用價值。人臉表情識別是希望計算機能夠準確識別人的表情,是人機情感交互中的基礎,因此,如何讓計算機準確識別人臉表情成為了很多研究者關注的重點。卷積神經網絡作為深度學習中一種重要的算法,在很多計算機視覺領域都取得了很好的效果,因此基于卷積神經網絡的人臉表情識別逐漸吸引了研究者們的關注。本文圍繞基于卷積神經網絡的人臉表情識別中卷積神經網絡對表情圖像的細微變化不夠敏感、卷積神經網絡不具有旋轉不變性、融合卷積神經網絡學習到的低層次特征與高層次特征進行表情識別時參數量過多三個問題展開研究,提出了相應的解決辦法,本文的主要貢獻如下:（1）針對目前卷積神經網絡對人臉表情的細節(jié)變化不夠敏感的問題,提出了卷積神經網絡融合ROI（Region of Interest）概率分布的人臉表情識別的方法。首先,將圖像劃分成一系列ROI圖... 

【文章頁數】：70 頁

【學位級別】：碩士

【部分圖文】：

不良情緒下的駕駛員

笑臉程度檢測

ROI-KNN+CNN方法混淆矩陣Figure3-11TheconfusionmatrixofROI-KNN+CNN

【參考文獻】：
期刊論文
[1]基于跨連接LeNet-5網絡的面部表情識別[J]. 李勇,林小竹,蔣夢瑩.  自動化學報. 2018(01)
[2]基于ROI-KNN卷積神經網絡的面部表情識別[J]. 孫曉,潘汀,任福繼.  自動化學報. 2016(06)
[3]圖像理解中的卷積神經網絡[J]. 常亮,鄧小明,周明全,武仲科,袁野,楊碩,王宏安.  自動化學報. 2016(09)



本文編號：3732328