發(fā)布時(shí)間：2021-10-18 16:05

　　人類的面部表情是人類表達(dá)情感的重要信息,對(duì)面部表情進(jìn)行識(shí)別可促進(jìn)對(duì)人心理狀態(tài)的理解。相比于普通表情,它的持續(xù)時(shí)間非常短,通常只有1/25到1/3秒,且動(dòng)作幅度非常小極難被人發(fā)現(xiàn)。微表情是一種無法抑制也無法隱藏的自發(fā)式表情,因此可作為判斷人真實(shí)情感的重要依據(jù),在心理咨詢和國家安防等領(lǐng)域都有非常廣泛的應(yīng)用。微表情的人工識(shí)別需要受過相關(guān)培訓(xùn)的專業(yè)人員且識(shí)別準(zhǔn)確率并不令人滿意,因此微表情的自動(dòng)識(shí)別近年逐漸成為計(jì)算機(jī)視覺領(lǐng)域的熱點(diǎn)之一。但目前使用較多的傳統(tǒng)微表情自動(dòng)識(shí)別方法需要預(yù)先手動(dòng)對(duì)淺層特征進(jìn)行提取,人力物力的消耗極大,且存在特征提取不足等問題,導(dǎo)致識(shí)別效果并不理想。近年來深度學(xué)習(xí)因其突出的特征提取以及分類能力在圖像識(shí)別領(lǐng)域取得了突破性進(jìn)展,因此已有學(xué)者開始將深度學(xué)習(xí)方法應(yīng)用于微表情識(shí)別問題且達(dá)到了比傳統(tǒng)方法更好的識(shí)別效果,但識(shí)別率還有提升空間。為了進(jìn)一步提升識(shí)別算法的性能,本文提出一種改進(jìn)的深度學(xué)習(xí)模型對(duì)微表情的空間與時(shí)序特征進(jìn)行特征提取,更好地完成微表情識(shí)別任務(wù)。本課題的主要內(nèi)容有以下兩個(gè)方面:（1）針對(duì)數(shù)據(jù)集中樣本間幀數(shù)不統(tǒng)一的問題,對(duì)傳統(tǒng)幀數(shù)歸一化方法進(jìn)行改進(jìn),提出一種基于卷積神經(jīng)網(wǎng)... 

【文章來源】：哈爾濱工程大學(xué)黑龍江省 211工程院校

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

本文內(nèi)容結(jié)構(gòu)

此時(shí)即完成訓(xùn)練。訓(xùn)練好的感知機(jī)模型可以用來預(yù)測(cè)數(shù)據(jù)的分類，其模型如圖2.1 所示。圖 2.1 簡(jiǎn)單的感知機(jī)模型圖中，nx 為感知機(jī)的輸入，b 為感知機(jī)的偏置，nw 為權(quán)重項(xiàng)。n0i iiz w x b sign ( z)0w1w2wnw

圖 2.2 人工神經(jīng)網(wǎng)絡(luò)的模型經(jīng)網(wǎng)絡(luò)主要分為三層結(jié)構(gòu)，第一層是是隱藏層，包含隱藏神經(jīng)元單元以及知機(jī)有很多種激活函數(shù)，對(duì)線性函數(shù)線性函數(shù)形式[40]。激活函數(shù)必須是可本文主要介紹 sigmoid 函數(shù)、雙曲正函數(shù)。達(dá)式如式(2-7)所示。1( )1 exp( )f zz 如圖 2.3 所示。0.70.80.91

【參考文獻(xiàn)】：
期刊論文
[1]基于圖像內(nèi)容視覺感知的圖像質(zhì)量客觀評(píng)價(jià)方法[J]. 姚軍財(cái),劉貴忠.  物理學(xué)報(bào). 2018(10)
[2]圖像質(zhì)量評(píng)價(jià):融合視覺特性與結(jié)構(gòu)相似性指標(biāo)[J]. 朱新山,姚思如,孫彪,錢永軍.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2018(05)
[3]一個(gè)感知機(jī)神經(jīng)網(wǎng)絡(luò)字符識(shí)別器的實(shí)現(xiàn)[J]. 楊戈,張威強(qiáng),黃靜.  電子技術(shù)應(yīng)用. 2015(03)
[4]人工神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀及其展望[J]. 朱大奇.  江南大學(xué)學(xué)報(bào). 2004(01)
[5]激活函數(shù)對(duì)BP網(wǎng)絡(luò)性能的影響及其仿真研究[J]. 王雪光,郭艷兵,齊占慶.  自動(dòng)化技術(shù)與應(yīng)用. 2002(04)



本文編號(hào)：3443086