隨著計算機視覺技術的快速發(fā)展,人臉表情識別技術逐漸興起。無論在學術界還是應用在工業(yè)界,如何實現(xiàn)人臉表情的自動識別已經(jīng)成為研究的熱門課題。當前人臉表情識別技術存在巨大的發(fā)展?jié)摿σ约柏S富的應用場景,可用于智能人機互動、汽車安全駕駛、輔助醫(yī)療和在線教育等場景。到目前為止,大多數(shù)人臉表情識別算法的研究對象主要是使用靜態(tài)表情圖像,但是人臉表情變化是一個動態(tài)的過程,僅僅使用靜態(tài)的人臉表情圖像不能利用到表情變化的時間和空間特征。圖像序列人臉表情相比較靜態(tài)圖像人臉表情可以捕捉到更多的運動特征和紋理特征,這樣在進行人臉表情分類時可以提高準確率。本文的主要研究工作和創(chuàng)新點如下:1、分析了輸入圖像的預處理操作來提高人臉表情的識別率。不同于傳統(tǒng)的卷積神經(jīng)網(wǎng)絡直接將檢測到人臉的原始圖片作為輸入,本文算法在輸入網(wǎng)絡前進行了一系列的圖像預處理操作。首先使用了最新準確率較高的人臉檢測算法Retina Face提高復雜以及非正臉的識別率,然后使用了基于面部四點的人臉對齊法進行人臉的對齊,接著進行了圖像裁剪以及強度歸一化,最后使用傳統(tǒng)方法提取旋轉(zhuǎn)不變局部二值模式(Local Binary Pattern,LBP)圖譜作為...

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 人臉表情識別概述
        1.3.1 基于靜態(tài)圖像特征
        1.3.2 基于動態(tài)圖像特征
        1.3.3 人臉表情分類方法
        1.3.4 常見人臉表情數(shù)據(jù)集
    1.4 深度學習發(fā)展歷程
    1.5 本文的主要工作
第2章 深度學習理論
    2.1 人工神經(jīng)網(wǎng)絡
        2.1.1 多層感知器
        2.1.2 反向傳播算法
    2.2 卷積神經(jīng)網(wǎng)絡
        2.2.1 基本網(wǎng)絡結構
        2.2.2 卷積層
        2.2.3 池化層
        2.2.4 全連接層
        2.2.5 激活函數(shù)
        2.2.6 目標函數(shù)
    2.3 深度殘差網(wǎng)絡
    2.4 循環(huán)神經(jīng)網(wǎng)絡
    2.5 本章小結
第3章 基于深度殘差網(wǎng)絡的靜態(tài)人臉表情識別
    3.1 引言
    3.2 算法整體框架
    3.3 圖像預處理
        3.3.1 人臉檢測
        3.3.2 人臉對齊
        3.3.3 人臉裁剪
        3.3.4 強度歸一化
    3.4 局部二值模式
        3.4.1 傳統(tǒng)LBP算法
        3.4.2 圓形LBP算法
        3.4.3 旋轉(zhuǎn)不變LBP算法
    3.5 深度殘差網(wǎng)絡結構
    3.6 實驗與分析
        3.6.1 網(wǎng)絡模型訓練
        3.6.2 不同層數(shù)殘差網(wǎng)絡的影響實驗與分析
        3.6.3 不同LBP算子的影響實驗與分析
        3.6.4 不同卷積神經(jīng)網(wǎng)絡的影響實驗與分析
        3.6.5 FER2013數(shù)據(jù)集上的實驗與分析
    3.7 本章小結
第4章 基于深度殘差網(wǎng)絡的圖像序列人臉表情識別
    4.1 引言
    4.2 算法整體框架
    4.3 長短期記憶模型
        4.3.1 LSTM記憶單元
        4.3.2 LSTM網(wǎng)絡結構
    4.4 實驗與分析
        4.4.1 網(wǎng)絡模型訓練
        4.4.2 Cohn-Kanade數(shù)據(jù)集上的實驗與分析
        4.4.3 AFEW6.0數(shù)據(jù)集上的實驗與分析
    4.5 本章小結
第5章 結論與展望
    5.1 本文總結
    5.2 工作展望
參考文獻
攻讀學位期間取得的研究成果
致謝



本文編號：3810002