面部表情是人體語言的重要組成部分,是人類生理和心理活動(dòng)的窗口,可以傳遞人類的內(nèi)心情感狀態(tài)。當(dāng)前,面部表情分析已經(jīng)成為了計(jì)算機(jī)視覺、模式識別、人工智能等領(lǐng)域的一個(gè)熱點(diǎn)研究課題。另一方面,近年來深度學(xué)習(xí)技術(shù)發(fā)展迅猛,已經(jīng)廣泛地應(yīng)用于計(jì)算機(jī)視覺的研究中,取得了非常好的效果。本文旨在利用深度學(xué)習(xí)的技術(shù),研究面部表情分析所涉及的兩項(xiàng)關(guān)鍵技術(shù):人臉面部跟蹤和人臉表情識別。人臉面部跟蹤作為面部表情分析研究中一項(xiàng)非常重要的前端技術(shù),是開發(fā)真正實(shí)用的實(shí)時(shí)面部表情分析系統(tǒng)的先決條件。而人臉表情識別又是面部表情分析中的一個(gè)重要目標(biāo),成熟的人臉表情識別技術(shù)具有非常大的應(yīng)用價(jià)值。本文的貢獻(xiàn)總結(jié)如下:（1）深入研究了真實(shí)場景下的人臉面部跟蹤問題。為了提高面部跟蹤的準(zhǔn)確性,本文利用圖的旋轉(zhuǎn)不變性和平移不變性性質(zhì),提出了一種基于譜濾波的面部跟蹤算法。該算法簡單有效,易于實(shí)現(xiàn),能夠很好地解決面部跟蹤過程中目標(biāo)經(jīng)常發(fā)生的形變和旋轉(zhuǎn)問題。本文的算法在自建的兒童面部跟蹤數(shù)據(jù)庫和標(biāo)準(zhǔn)目標(biāo)跟蹤數(shù)據(jù)集上進(jìn)行了評測,取得了非常好的結(jié)果。（2）研究了基于視頻的真實(shí)場景下的動(dòng)態(tài)表情識別。本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)相融合... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985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】：

譜濾波SFT跟蹤算法流程圖

由一組頂點(diǎn) ( )和一組邊 構(gòu)成，鄰接矩陣 表示連接的邊上的正值權(quán)重。每個(gè)頂點(diǎn)與一個(gè)信號相關(guān)聯(lián)，即多通道特征向量是從其對應(yīng)的坐標(biāo)位置上提取的，特征提取函數(shù) 定義了頂點(diǎn)的信號，其中 是信號的維度。在譜圖理論中，最為關(guān)鍵的一個(gè)算子就是圖的拉普拉斯算子 ，算子定義為 D ，其中D × 是對角度矩陣，即 。一個(gè)常用的算子是歸一化后的圖的拉普拉斯算子，其中每個(gè)權(quán)重 乘以一個(gè)因子 √ ，如式 2.1 所示： I W ( )其中，I是單位矩陣，除非特別指定，下文所使用的拉普拉斯矩陣都是歸一化的版本。圖的拉普拉斯矩陣 是對稱的正定矩陣，有一組標(biāo)準(zhǔn)的正交完備特征向量集。特征向量 滿足 ，其中， 是非負(fù)的實(shí)值（假定 < ≤ ≤ ）。在矩陣的表達(dá)中，拉普拉斯矩陣可以采用奇異值分解方法分解成 U UT， ( )。類似于經(jīng)典的傅里葉變換，一個(gè)空間域的信號 的圖傅里葉正變換可以定義為： UT [78]， 是變化后的傅里葉信號，其對應(yīng)的圖傅里葉反變換是： U 。

圖 2-3 SFT 和經(jīng)典的基于相關(guān)濾波方法的性能比較（無尺度）從圖2-3中看出，基于深度特征的相關(guān)濾波VGG_CF跟蹤器提取魯棒的CNN特征，這使其在性能上明顯優(yōu)于其它兩種基于相關(guān)濾波的方法(主要用傳統(tǒng)的特征)。與基線的VGG_CF 的結(jié)果相比，本文提出的 SFT 跟蹤器在 CLE（精確度）指標(biāo)上高了 0.034，同時(shí)在 AUC（成功率）指標(biāo)上獲得 0.576 的分?jǐn)?shù)，也超過 VGG_CF 跟蹤器 0.028。這主要?dú)w結(jié)于兩個(gè)方面的原因：（1）SFT 對空間區(qū)域進(jìn)行局部濾波，（2）圖的旋轉(zhuǎn)不變性和平移不變性，具體將在本小節(jié)末尾進(jìn)行更詳細(xì)的分析。為了進(jìn)行一個(gè)根本的比較，在這里沒有加入尺度估計(jì)。在 OTB-2015 數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果比較：將本文提出的 SFT 跟蹤算法與九個(gè)當(dāng)前性能最優(yōu)秀的跟蹤器進(jìn)行比較：DeepSRDCF[83]，HDT[80]，CCOT[84]，MEEM[85]，DSST[69]，KCF[71]，STRUCT[62]，TLD[86]，以及本文基準(zhǔn)算法 VGG_CF。

【參考文獻(xiàn)】：
期刊論文
[1]基于新模板匹配的運(yùn)動(dòng)目標(biāo)跟蹤算法[J]. 穆欣侃,徐德江,羅海波,石振剛.  火力與指揮控制. 2013(03)
[2]基于幾何活動(dòng)輪廓模型的目標(biāo)跟蹤與快速運(yùn)動(dòng)估計(jì)[J]. 羅嘉,韋志輝.  中國圖象圖形學(xué)報(bào). 2009(07)
[3]基于mean-shift算法的人臉實(shí)時(shí)跟蹤方法[J]. 蔣建國,孫洪艷,齊美彬.  計(jì)算機(jī)應(yīng)用研究. 2008(07)



本文編號：3044232