基于深度卷積神經(jīng)網(wǎng)絡(luò)的微表情識別
發(fā)布時(shí)間：2021-08-25 05:52
微表情是一種不能被神經(jīng)系統(tǒng)控制的短暫的面部表情。微表情表明一個(gè)人有意識地隱藏了自己的真實(shí)情感。微表情在公共安全和臨床醫(yī)學(xué)中具有很多潛在的應(yīng)用。因?yàn)槲⒈砬楹茈y被人肉眼識別出來,所以一些微表情的研究集中于讓計(jì)算機(jī)自動識別微表情。本文所做的工作如下所示:1,本文提出了一種新的自動微表情識別算法,該算法結(jié)合了用于檢測人臉關(guān)鍵點(diǎn)的深度多任務(wù)卷積網(wǎng)絡(luò)和用于提取微表情光流特征的深度融合卷積網(wǎng)絡(luò)。首先,使用深度多任務(wù)卷積網(wǎng)絡(luò)來檢測用于劃分人臉面部區(qū)域的人臉關(guān)鍵點(diǎn)和其他影響因素。然后,使用融合卷積網(wǎng)絡(luò)在人臉關(guān)鍵區(qū)域中提取光流特征,這些人臉關(guān)鍵區(qū)域在微表情出現(xiàn)時(shí)會有相應(yīng)的肌肉變化。由于每個(gè)微表情視頻片段都包含有很多幀,所以整個(gè)視頻片段的原始光流特征會有很高的維度以及冗余的特征。本文改進(jìn)了光流特征,減少了其中的冗余特征。最后,使用改進(jìn)的光流算法提取了更精細(xì)的特征,并且使用支持向量機(jī)對微表情進(jìn)行識別。在兩個(gè)自發(fā)微表情數(shù)據(jù)庫中的實(shí)驗(yàn)結(jié)果表明,本文提出的方法在微表情識別任務(wù)中取得了良好的效果。2,由于有的微表情數(shù)據(jù)庫中包含有一些人臉尺寸較小的樣本,因此本文將單幅圖像超分辨率重建算法引入進(jìn)了微表情識別任務(wù)中。本文提...
【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校
【文章頁數(shù)】：83 頁
【學(xué)位級別】：碩士
【部分圖文】：
METT軟件Fig1.1MicroExpressionTrainingTool
直到 2006 年，Hinton 在前人的基礎(chǔ)上提的能力，并且可以通過初始化權(quán)值的方法降低其計(jì)算網(wǎng)絡(luò)開始復(fù)蘇，并得到了良好的發(fā)展。2012 年深度神中獲得了第一名的成績[32]，獲得了遠(yuǎn)超第二名的效果得到了廣泛地關(guān)注。2014 年，DeepFace[33]是深度學(xué)習(xí)破，它使得深度學(xué)習(xí)在 LWF 數(shù)據(jù)庫[34]中的人臉識別準(zhǔn)確率。這掀起了深度神經(jīng)網(wǎng)絡(luò)的研究熱潮。網(wǎng)絡(luò)標(biāo)注訓(xùn)練樣本 x i ,y i 的監(jiān)督學(xué)習(xí)問題，神經(jīng)網(wǎng)絡(luò)可以設(shè)形式： W ,bh x 。其中，W 代表神經(jīng)網(wǎng)絡(luò)的權(quán)值，b 代W 和b 來適應(yīng)不同的數(shù)據(jù)。地描述神經(jīng)網(wǎng)絡(luò)，這里首先描述最簡單的只包含一個(gè)一神經(jīng)元如圖 2.1 所示：
合肥工業(yè)大學(xué)學(xué)術(shù)碩士研究生學(xué)位論文 3,1TW b i iih x f W x f W x b ，其中 f 被稱為激活函數(shù)，這里我們可以選擇igmoid 函數(shù)作為激活函數(shù)，由公式(2.1)表示： 11 expf zz (2.1也可以選擇如雙曲正切函數(shù)（hyperbolic tangent function, tanh）作為激活函數(shù)公式(2.2)表示： tanh z zz ze ef z ze e (2.2.2.2 神經(jīng)網(wǎng)絡(luò)模型神經(jīng)網(wǎng)絡(luò)通過將許多簡單的神經(jīng)元連接組合在一起的結(jié)構(gòu)，這樣一個(gè)神經(jīng)輸出就可以成為神經(jīng)元的輸入。簡單神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖如圖 2.2 所示：
【參考文獻(xiàn)】：
期刊論文
[1]人臉微表情識別綜述[J]. 徐峰,張軍平. 自動化學(xué)報(bào). 2017(03)
[2]微表情在欺騙檢測中的應(yīng)用[J]. 申尋兵,隋華杰,傅小蘭. 心理科學(xué)進(jìn)展. 2017(02)
[3]基于差分定位與光流特征提取的微表情識別[J]. 許剛,趙中原,談元鵬. 計(jì)算機(jī)應(yīng)用與軟件. 2017(01)
[4]基于全局光流特征的微表情識別[J]. 張軒閣,田彥濤,顏飛,王美茜. 模式識別與人工智能. 2016(08)
[5]微表情分析技術(shù)在偵查訊問工作中的應(yīng)用研究[J]. 彭玉偉. 中國刑事法雜志. 2015(02)
本文編號：3361531
【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校
【文章頁數(shù)】：83 頁
【學(xué)位級別】：碩士
【部分圖文】：
METT軟件Fig1.1MicroExpressionTrainingTool
直到 2006 年，Hinton 在前人的基礎(chǔ)上提的能力，并且可以通過初始化權(quán)值的方法降低其計(jì)算網(wǎng)絡(luò)開始復(fù)蘇，并得到了良好的發(fā)展。2012 年深度神中獲得了第一名的成績[32]，獲得了遠(yuǎn)超第二名的效果得到了廣泛地關(guān)注。2014 年，DeepFace[33]是深度學(xué)習(xí)破，它使得深度學(xué)習(xí)在 LWF 數(shù)據(jù)庫[34]中的人臉識別準(zhǔn)確率。這掀起了深度神經(jīng)網(wǎng)絡(luò)的研究熱潮。網(wǎng)絡(luò)標(biāo)注訓(xùn)練樣本 x i ,y i 的監(jiān)督學(xué)習(xí)問題，神經(jīng)網(wǎng)絡(luò)可以設(shè)形式： W ,bh x 。其中，W 代表神經(jīng)網(wǎng)絡(luò)的權(quán)值，b 代W 和b 來適應(yīng)不同的數(shù)據(jù)。地描述神經(jīng)網(wǎng)絡(luò)，這里首先描述最簡單的只包含一個(gè)一神經(jīng)元如圖 2.1 所示：
合肥工業(yè)大學(xué)學(xué)術(shù)碩士研究生學(xué)位論文 3,1TW b i iih x f W x f W x b ，其中 f 被稱為激活函數(shù)，這里我們可以選擇igmoid 函數(shù)作為激活函數(shù)，由公式(2.1)表示： 11 expf zz (2.1也可以選擇如雙曲正切函數(shù)（hyperbolic tangent function, tanh）作為激活函數(shù)公式(2.2)表示： tanh z zz ze ef z ze e (2.2.2.2 神經(jīng)網(wǎng)絡(luò)模型神經(jīng)網(wǎng)絡(luò)通過將許多簡單的神經(jīng)元連接組合在一起的結(jié)構(gòu)，這樣一個(gè)神經(jīng)輸出就可以成為神經(jīng)元的輸入。簡單神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖如圖 2.2 所示：
【參考文獻(xiàn)】：
期刊論文
[1]人臉微表情識別綜述[J]. 徐峰,張軍平. 自動化學(xué)報(bào). 2017(03)
[2]微表情在欺騙檢測中的應(yīng)用[J]. 申尋兵,隋華杰,傅小蘭. 心理科學(xué)進(jìn)展. 2017(02)
[3]基于差分定位與光流特征提取的微表情識別[J]. 許剛,趙中原,談元鵬. 計(jì)算機(jī)應(yīng)用與軟件. 2017(01)
[4]基于全局光流特征的微表情識別[J]. 張軒閣,田彥濤,顏飛,王美茜. 模式識別與人工智能. 2016(08)
[5]微表情分析技術(shù)在偵查訊問工作中的應(yīng)用研究[J]. 彭玉偉. 中國刑事法雜志. 2015(02)
本文編號：3361531
本文鏈接：http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3361531.html
最近更新
教材專著
