情感是人的一種主觀體驗(yàn),其外部表現(xiàn)主要通過(guò)面部動(dòng)作。傳統(tǒng)對(duì)人面部動(dòng)作識(shí)別的研究主要集中在識(shí)別6種種族文化無(wú)關(guān)的表情,反應(yīng)了人的基本情感。然而,6種表情顯然不能完全描述人的全部面部動(dòng)作及情感。面部動(dòng)作編碼系統(tǒng)是公認(rèn)的描述面部動(dòng)作的最好機(jī)制,各類(lèi)表情可分解為一系列基礎(chǔ)的面部肌肉運(yùn)動(dòng)的組合,從而進(jìn)行后續(xù)的編碼。本課題來(lái)源于國(guó)家自然科學(xué)基金面上項(xiàng)目《開(kāi)放環(huán)境下自然人面部動(dòng)作單元識(shí)別》。本課題旨在以自然人動(dòng)作單元識(shí)別為研究對(duì)象,針對(duì)面部動(dòng)作單元類(lèi)別非均衡問(wèn)題,從影響識(shí)別模型性能關(guān)鍵因素入手,從問(wèn)題特點(diǎn)開(kāi)展相關(guān)研究。面部動(dòng)作單元類(lèi)別非均衡是指動(dòng)作單元類(lèi)別分布的不均衡,從而造成模型識(shí)別偏置于多數(shù)類(lèi)樣本的現(xiàn)象。在選定動(dòng)作單元數(shù)據(jù)集CK+下,利用條件生成對(duì)抗網(wǎng)絡(luò)改善動(dòng)作單元的類(lèi)別非均衡,并設(shè)計(jì)支持向量機(jī)進(jìn)行二分類(lèi),用以驗(yàn)證條件生成對(duì)抗網(wǎng)絡(luò)生成樣本的對(duì)類(lèi)別非均衡的改善效果。本文在明確研究背景和研究意義的基礎(chǔ)上對(duì)動(dòng)作單元類(lèi)別非均衡處理方法在國(guó)內(nèi)外的研究現(xiàn)狀進(jìn)行了調(diào)研和分析,最終完成了整體算法的設(shè)計(jì)和效果驗(yàn)證。本文研究類(lèi)別非均衡現(xiàn)象造成模型識(shí)別偏置于多數(shù)類(lèi)樣本情況下的處理方法,從數(shù)量和質(zhì)量上改善訓(xùn)練數(shù)據(jù),降低... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

課題研究?jī)?nèi)容示意圖

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-13-以看出AU4、AU5以及AU20等正樣本比例都低于10%，從而造成類(lèi)別的非均衡，影響動(dòng)作單元的識(shí)別。圖2-2CK+數(shù)據(jù)集所有AU標(biāo)注數(shù)統(tǒng)計(jì)圖2-2中針對(duì)CK+數(shù)據(jù)集標(biāo)注的樣本數(shù)量統(tǒng)計(jì)結(jié)果顯示，AU類(lèi)別跨度為1~64，其中某些AU并沒(méi)標(biāo)注。結(jié)合圖2-1與2-2發(fā)現(xiàn)，某些AU的正樣本的比例高，出現(xiàn)幾率大，比如AU4的正樣本的比例低。這種就造成了AU樣本數(shù)據(jù)的類(lèi)別非均衡化，在針對(duì)AU的分類(lèi)過(guò)程中訓(xùn)練的分類(lèi)模型就會(huì)偏向于訓(xùn)練樣本中比例大的AU，類(lèi)別非均衡現(xiàn)象嚴(yán)重影響模型識(shí)別性能，目前AU識(shí)別領(lǐng)域缺少相關(guān)內(nèi)容研究，其中關(guān)鍵問(wèn)題在于通過(guò)對(duì)現(xiàn)有數(shù)據(jù)分布的建模分析，實(shí)現(xiàn)對(duì)其潛在分布空間的估測(cè)。本課題將在分析類(lèi)別非均衡情況的基礎(chǔ)上，研究類(lèi)別非均衡現(xiàn)象的處理方法，從數(shù)量和質(zhì)量上改善訓(xùn)練數(shù)據(jù)，降低類(lèi)別非均衡對(duì)模型性能的影響。2.4類(lèi)別非均衡影響及處理方法分析2.4.1類(lèi)別非均衡化對(duì)AU識(shí)別的影響[33]類(lèi)別非均衡現(xiàn)象造成模型識(shí)別偏置于多數(shù)類(lèi)樣本。本課題是研究并處理單個(gè)AU的分類(lèi)問(wèn)題中類(lèi)別非均衡化對(duì)分類(lèi)模型效果的影響。例如對(duì)一個(gè)數(shù)據(jù)集進(jìn)行識(shí)別分類(lèi)時(shí)，沒(méi)有考慮數(shù)據(jù)集的非均衡化，最后結(jié)果得出的準(zhǔn)確度高達(dá)到90%。通常情況下，會(huì)認(rèn)為識(shí)別分類(lèi)效果很好。然在深入分析數(shù)據(jù)集類(lèi)別分布情

人臉68關(guān)鍵點(diǎn)

【參考文獻(xiàn)】：
期刊論文
[1]一種新的降維算法PCALLE在圖像識(shí)別中的應(yīng)用[J]. 藍(lán)雯飛,汪敦志,張盛蘭.  中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(01)
[2]基于凸絕對(duì)值不等式的半監(jiān)督最小二乘支持向量機(jī)[J]. 陳婉茹,白富生.  數(shù)學(xué)建模及其應(yīng)用. 2019(03)
[3]基于面部表情的學(xué)習(xí)者情緒自動(dòng)識(shí)別研究——適切性、現(xiàn)狀、現(xiàn)存問(wèn)題和提升路徑[J]. 陳子健,朱曉亮.  遠(yuǎn)程教育雜志. 2019(04)
[4]基于GAN的對(duì)抗樣本生成研究[J]. 孫曦音,封化民,劉飚,張健毅.  計(jì)算機(jī)應(yīng)用與軟件. 2019(07)
[5]生成對(duì)抗網(wǎng)絡(luò)模型的基本介紹和應(yīng)用綜述[J]. 馮杰,班彪華.  現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版). 2019(04)
[6]機(jī)器學(xué)習(xí)中的PCA降維方法研究及其應(yīng)用[J]. 孫平安,王備戰(zhàn).  湖南工業(yè)大學(xué)學(xué)報(bào). 2019(01)
[7]不平衡數(shù)據(jù)分類(lèi)方法綜述[J]. 李艷霞,柴毅,胡友強(qiáng),尹宏鵬.  控制與決策. 2019(04)
[8]生成式對(duì)抗網(wǎng)絡(luò)及其計(jì)算機(jī)視覺(jué)應(yīng)用研究綜述[J]. 曹仰杰,賈麗麗,陳永霞,林楠,李學(xué)相.  中國(guó)圖象圖形學(xué)報(bào). 2018(10)
[9]卷積網(wǎng)絡(luò)深度學(xué)習(xí)算法與實(shí)例[J]. 陳旭,張軍,陳文偉,李碩豪.  廣東工業(yè)大學(xué)學(xué)報(bào). 2017(06)
[10]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像特征識(shí)別研究[J]. 楊念聰,任瓊,張成喆,周子煜,李倩,邱蘭.  信息與電腦(理論版). 2017(14)

博士論文
[1]非均衡數(shù)據(jù)分類(lèi)算法若干應(yīng)用研究[D]. 錢(qián)云.吉林大學(xué) 2014
[2]基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的人面部運(yùn)動(dòng)識(shí)別方法研究[D]. 李永強(qiáng).哈爾濱工業(yè)大學(xué) 2013
[3]三類(lèi)不確定支持向量機(jī)及其應(yīng)用[D]. 王超.河北大學(xué) 2013

碩士論文
[1]基于生成對(duì)抗網(wǎng)絡(luò)的圖像自動(dòng)文本標(biāo)注方法研究[D]. 呂凡.蘇州科技大學(xué) 2018
[2]基于條件生成式對(duì)抗網(wǎng)絡(luò)的面部表情遷移研究[D]. 陳軍波.華中師范大學(xué) 2019
[3]視覺(jué)詞袋模型的改進(jìn)及其在圖像分類(lèi)中的應(yīng)用[D]. 楊浩.蘭州理工大學(xué) 2017
[4]快速支持向量機(jī)算法研究[D]. 崔力娟.國(guó)防科學(xué)技術(shù)大學(xué) 2017
[5]最大間隔方法及其在行為分析中的應(yīng)用[D]. 馬麗.南京郵電大學(xué) 2016
[6]支持向量機(jī)核函數(shù)及關(guān)鍵參數(shù)選擇研究[D]. 尹嘉鵬.哈爾濱工業(yè)大學(xué) 2016
[7]基于先驗(yàn)知識(shí)的面部表情和動(dòng)作單元識(shí)別[D]. 王君.中國(guó)科學(xué)技術(shù)大學(xué) 2015
[8]基于HOG特征的人臉識(shí)別系統(tǒng)研究[D]. 慕春雷.電子科技大學(xué) 2013
[9]不平衡數(shù)據(jù)集分類(lèi)問(wèn)題研究[D]. 孫曉燕.山東師范大學(xué) 2012
[10]圖像特征提取及其相似度的研究和實(shí)現(xiàn)[D]. 陳健斌.西安電子科技大學(xué) 2012



本文編號(hào)：3133054