發(fā)布時間：2021-07-30 19:44

　　微表情是一種特殊的面部微小動作,通常是人們在某些環(huán)境下試圖隱藏而不由自主發(fā)生的一種短暫情感,可以作為判斷情緒的重要依據(jù)。相關研究是情感計算領域的重要研究方向,且具有廣泛的應用前景。持續(xù)時間短、變化強度低、局部不對稱以及環(huán)境因素等影響,使得微表情的檢測和識別變得非常困難。為此,本文提出了魯棒微表情關鍵點定位及特征提取算法,并應用于人臉微表情識別。論文工作如下:（1）研究分析了三種基于深度學習的人臉關鍵點定位網絡模型,即精細化卷積神經網絡（Coarse to Fine CNN）、多任務卷積神經網絡（Multi-Task CNN）以及風格聚合網絡（Style Aggregated Network,SAN）。在300W數(shù)據(jù)集和真實環(huán)境下的對比實驗表明,與其它兩種網絡模型相比,SAN模型對環(huán)境及姿態(tài)變化具有更強的魯棒性。因此本文選定基于SAN的人臉關鍵點定位算法用于本文所提的微表情特征提取與識別算法。（2）提出了一種樣本分布均衡約束的微表情特征提取與識別算法。微表情很難被捕捉和模仿,因此現(xiàn)有相關數(shù)據(jù)集均存在樣本分布不均衡的問題并影響模型訓練的效果。為解決這一問題,本文設計了一種樣本分布均衡損失,... 

【文章來源】：北京交通大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【部分圖文】：

圖１－３ＦＥＲ２０１３數(shù)據(jù)集中常見的宏觀表情（摘自［１１］）??Ｆｉｇｕｒｅ?１－３?Ｍａｃｒｏ?ｅｘｐｒｅｓｓｉｏｎｓ?ｃｏｍｍｏｎ?ｉｎ?ＦＥＲ２０１３?ｄａｔａｓｅｔ?（Ｃｏｐｉｅｄ?ｆｒｏｍ?ｌｌｌ］）??

２．１．２網絡結構??該系統(tǒng)的每一級網絡都是深度卷積神經網絡，網絡的輸入為原始像素，對期??望點的坐標執(zhí)行回歸訓練。如圖２－２所示，是典型的深度神經網絡的結構單元。??ｃｏｎｖ．?ｃｏｎｖ．??夢?５６?ｃｏｎｖ．?ｕｎｓｈａｒｅｄ??．．．．■??？?６〇?６０?８〇??４０??１?２０?２０?４０?ｆｕｌｌｙ??ｍａｘｐ．?ｍａｘｐ．?ｎｉａｘｐ．?ｃｏｎｎｅｃｔｅｄ??圖２－２典型的深度神經網絡的結構單元??Ｆｉｇｕｒｅ?２－２?Ｓｔｒｕｃｔｕｒａｌ?ｕｎｉｔ?ｏｆ?ａ?ｔｙｐｉｃａｌ?ｄｅｅｐ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??該網絡由三個卷積層，一個非共享卷積層和全連接層組成。每個卷積層使用??不同的濾波器得到不同的輸出響應。設／＇為第？個卷積層的輸入，計算出該層輸出：??ｈｊ－＼?ｗ，－］?ｃ，－＼??＝｜?ｔａｎｈ（ＸＩＺＣ＾．－?＊Ｋｙ＾Ｂｋ）＼?（２－１）??ｊｃ＝〇?產?〇?ｒ＝〇??其中，Ｉ表示卷積層的輸入，Ｆ和Ｂ是可調參數(shù)。卷積層之后跟著最大池化層，在??池化之前，每個卷積層濾波之后的激活函數(shù)采用雙曲正切絕對值函數(shù)，其為網絡??提供很好的非線性擬合的能力。網絡采用無重疊的最大池化：??７，，從＝�！粻�?＜／Ｃ—’？＋＃?）?（?２－２?）??盡管池化層會丟失一些信息，但是對于整個網絡而言，池化帶來的穩(wěn)健性能??夠較好地補償這種損失

—．—＿?Ｓｒ??圖２－１精細化卷積神經網絡的系統(tǒng)架構??Ｆｉｇｕｒｅ?２－１?Ｔｈｅ?ｓｙｓｔｅｍ?ａｒｃｈｉｔｅｃｔｕｒｅ?ｏｆ?Ｃｏａｒｓｅ?ｔｏ?Ｆｉｎｅ?ＣＮＮ??２．１．２網絡結構??該系統(tǒng)的每一級網絡都是深度卷積神經網絡，網絡的輸入為原始像素，對期??望點的坐標執(zhí)行回歸訓練。如圖２－２所示，是典型的深度神經網絡的結構單元。??ｃｏｎｖ．?ｃｏｎｖ．??夢?５６?ｃｏｎｖ．?ｕｎｓｈａｒｅｄ??．．．．■??？?６〇?６０?８〇??４０??１?２０?２０?４０?ｆｕｌｌｙ??ｍａｘｐ．?ｍａｘｐ．?ｎｉａｘｐ．?ｃｏｎｎｅｃｔｅｄ??圖２－２典型的深度神經網絡的結構單元??Ｆｉｇｕｒｅ?２－２?Ｓｔｒｕｃｔｕｒａｌ?ｕｎｉｔ?ｏｆ?ａ?ｔｙｐｉｃａｌ?ｄｅｅｐ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??該網絡由三個卷積層，一個非共享卷積層和全連接層組成。每個卷積層使用??不同的濾波器得到不同的輸出響應。設／＇為第？個卷積層的輸入，計算出該層輸出：??ｈｊ－＼?ｗ，－］?ｃ，－＼??＝｜?ｔａｎｈ（ＸＩＺＣ＾．－?＊Ｋｙ＾Ｂｋ）＼?（２－１）??ｊｃ＝〇?產?〇?ｒ＝〇??其中，Ｉ表示卷積層的輸入，Ｆ和Ｂ是可調參數(shù)。卷積層之后跟著最大池化層，在??池化之前，每個卷積層濾波之后的激活函數(shù)采用雙曲正切絕對值函數(shù)，其為網絡??提供很好的非線性擬合的能力。網絡采用無重疊的最大池化：??７

【參考文獻】：
期刊論文
[1]人臉微表情識別綜述[J]. 徐峰,張軍平.  自動化學報. 2017(03)
[2]光流模值估計的微表情捕捉[J]. 姜波,解侖,劉欣,韓晶,王志良.  浙江大學學報(工學版). 2017(03)
[3]微表情研究及其應用[J]. 吳奇,申尋兵,傅小蘭.  心理科學進展. 2010(09)

碩士論文
[1]微表情特征提取算法研究[D]. 馬浩原.北京交通大學 2018
[2]基于深度學習的微表情特征提取算法設計與實現(xiàn)[D]. 楊雪.北京交通大學 2017
[3]基于深度學習的魯棒表情關鍵點定位算法設計與實現(xiàn)[D]. 彭營營.北京交通大學 2017
[4]微表情識別的理論和方法研究[D]. 劉宇灝.東南大學 2016



本文編號：3312013