隨著人工智能技術(shù)的迅猛發(fā)展,機(jī)器已具有通過(guò)人臉圖像,“理解”人類(lèi)情感的能力。實(shí)現(xiàn)這種能力的方法就是基于機(jī)器學(xué)習(xí)的人臉表情識(shí)別,目前的主要應(yīng)用有人機(jī)交互、安全安防、醫(yī)療健康等。人臉表情識(shí)別有7種基本類(lèi)別,由憤怒（anger）、高興（happiness）、悲傷（sadness）、驚訝（surprise）、厭惡（disgust）、恐懼（fear）和平靜（neutrality）組成,因此人臉表情識(shí)別可用機(jī)器學(xué)習(xí)（分類(lèi)器）來(lái)實(shí)現(xiàn)。在實(shí)際應(yīng)用中,由于待識(shí)別的人臉表情圖片可能包含復(fù)雜的背景,圖片中人類(lèi)的外貌、年齡、種族存在差異,不同表情類(lèi)別之間的區(qū)分邊界可能模糊不清,這些潛在的問(wèn)題導(dǎo)致了表情識(shí)別準(zhǔn)確率難以提高,在現(xiàn)實(shí)應(yīng)用中表現(xiàn)出魯棒性不足等缺陷�，F(xiàn)有人臉表情識(shí)別方法的性能與人類(lèi)的識(shí)別能力差距比較大,主要原因是模擬人類(lèi)的認(rèn)知能力不夠。機(jī)器學(xué)習(xí)就是向人類(lèi)學(xué)習(xí),每次將人類(lèi)的認(rèn)知規(guī)律模型化,機(jī)器學(xué)習(xí)方法就取得了顯著的原創(chuàng)性,因此論文的主要工作就是將認(rèn)知規(guī)律用于機(jī)器學(xué)習(xí),提出一些新的機(jī)器學(xué)習(xí)方法,并用于人臉表情識(shí)別。具體工作包括以下幾個(gè)方面:（1）指出了現(xiàn)有機(jī)器學(xué)習(xí)方法面臨的問(wèn)題,分析了機(jī)器學(xué)習(xí)的慣性思維原理... 

【文章來(lái)源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：108 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

人臉表情識(shí)別系統(tǒng)框架

華南理工大學(xué)博士學(xué)位論文本進(jìn)行分類(lèi)的分類(lèi)器，然后用選擇的分類(lèi)器識(shí)別每個(gè)測(cè)試樣本的情感類(lèi)別。這更符合人類(lèi)的認(rèn)知規(guī)律，具有個(gè)性化的分類(lèi)能力。通過(guò)在數(shù)據(jù)庫(kù) Fer2013 和 RAF 上實(shí)驗(yàn)表明，SAP 在情感識(shí)別方面的有效性明顯優(yōu)于任何基本分類(lèi)器，以及這些分類(lèi)器的集成后的識(shí)別效果。（3）類(lèi)似于人類(lèi)學(xué)習(xí)，機(jī)器學(xué)習(xí)也容易形成錯(cuò)覺(jué)慣性思維，但目前所有機(jī)器學(xué)習(xí)方法都沒(méi)有考慮，本文提出一種基于逆向思維的機(jī)器學(xué)習(xí)方法 RTML，采用逆向思維克服錯(cuò)覺(jué)慣性思維，從而提高了機(jī)器學(xué)習(xí)方法的泛化能力，實(shí)驗(yàn)證明所提方法的有效性。所提方法是普適的，對(duì)任何機(jī)器學(xué)習(xí)方法都是適用的，特別適用于那些難分的數(shù)據(jù)集，如非平衡數(shù)據(jù)集，因?yàn)闄C(jī)器學(xué)習(xí)在那里很容易形成錯(cuò)覺(jué)慣性思維。1.5 本文的主要工作及安排

第二章 基于認(rèn)識(shí)的機(jī)器學(xué)習(xí)框架型，然后用慣性思維模型解決新問(wèn)題。例如基于機(jī)器學(xué)習(xí)的分類(lèi)結(jié)構(gòu)如圖 2-1 所示，訓(xùn)練分類(lèi)器的結(jié)果就是形成慣性思維模型，然后用它分類(lèi)新的測(cè)試數(shù)據(jù)，正確分類(lèi)新數(shù)據(jù)的能力通常稱(chēng)為泛化能力（Generalization）。由于分類(lèi)器在訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集上的表現(xiàn)會(huì)出現(xiàn)偏差（Variance），影響分類(lèi)器的泛化能力，出現(xiàn)這種現(xiàn)象的原因在于訓(xùn)練樣本的代表性不夠充分，不能正確擬合問(wèn)題的數(shù)據(jù)分布。

【參考文獻(xiàn)】：
期刊論文
[1]面向視頻序列表情分類(lèi)的LSVM算法[J]. 徐文暉,孫正興.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2009(04)
[2]基于混淆交叉支撐向量機(jī)樹(shù)的自動(dòng)面部表情分類(lèi)方法[J]. 徐琴珍,章品正,裴文江,楊綠溪,何振亞.  中國(guó)圖象圖形學(xué)報(bào). 2008(07)
[3]BHU人臉表情數(shù)據(jù)庫(kù)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 薛雨麗,毛峽,張帆.  北京航空航天大學(xué)學(xué)報(bào). 2007(02)
[4]一種基于局部Gabor濾波器組及PCA+LDA的人臉表情識(shí)別方法[J]. 鄧洪波,金連文.  中國(guó)圖象圖形學(xué)報(bào). 2007(02)

博士論文
[1]基于二元模式的人臉識(shí)別與表情識(shí)別研究[D]. 付曉峰.浙江大學(xué) 2008

碩士論文
[1]康復(fù)護(hù)理機(jī)器人床中的人臉識(shí)別技術(shù)研究[D]. 梁冬梅.上海工程技術(shù)大學(xué) 2016
[2]基于動(dòng)態(tài)序列的微表情識(shí)別[D]. 郭艷君.吉林大學(xué) 2015
[3]基于單演二值模式的微表情識(shí)別研究[D]. 吳雪.河北工業(yè)大學(xué) 2015
[4]基于MLBP-TOP與光流多特征的人臉表情融合識(shí)別研究[D]. 孔健.江蘇大學(xué) 2009



本文編號(hào)：3074470