面部表情識別是生物信息識別、模式識別、人機交互與人工智能等領(lǐng)域的重要研究課題,深度神經(jīng)網(wǎng)絡(luò)的興起為高精度面部表情識別的研究提供了新的契機。以紋理信息挖掘及關(guān)聯(lián)為牽引,以視覺信息智能處理策略為基礎(chǔ),構(gòu)建輕量化卷積神經(jīng)網(wǎng)絡(luò)面部表情識別模型,探索復(fù)雜環(huán)境下高精度二維目標(biāo)識別機理,對于揭示復(fù)雜環(huán)境條件下的特征提取等關(guān)鍵基礎(chǔ)問題,豐富和發(fā)展現(xiàn)有目標(biāo)識別理論,拓寬深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用范疇,并建立面部表情識別機理與實施算法的本征關(guān)系具有重要的科學(xué)意義;通過引入輕量化技術(shù),高效地獲得高精度的識別結(jié)果對新一代人工智能的研發(fā)具有重要的科學(xué)價值。自然環(huán)境下的面部表情具有姿態(tài)變化大和光照情況復(fù)雜等特點,由于目標(biāo)并不是處于實驗室環(huán)境中,面部可能存在裝飾品和周圍環(huán)境的遮擋,所以自然環(huán)境下的面部表情識別比實驗室環(huán)境更加困難。面部表情識別的傳統(tǒng)框架為“人臉檢測—人臉校正—面部特征提取—表情識別”,但從公開發(fā)表的文獻來看,該框架在面部表情識別,尤其是自發(fā)面部表情識別性能方面的提升非常有限。近年,在深度學(xué)習(xí)領(lǐng)域的發(fā)展推動下,自發(fā)面部表情識別研究又取得了一些突破性進展。深度學(xué)習(xí)方法試圖模擬生物視覺的神經(jīng)傳導(dǎo)系統(tǒng),設(shè)計數(shù)層互相... 

【文章來源】：北京建筑大學(xué)北京市

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

面部動作編碼系統(tǒng)

輕量化模型，以優(yōu)化網(wǎng)絡(luò)的計算速度和參數(shù)量[39-41]。綜上所述，自動人臉表情識別的研究始于1970年代末，但十多年來進展緩慢，主要是因為面部檢測和面部配準(zhǔn)算法的局限性以及缺乏足夠的計算能力。從靜態(tài)表示的有姿態(tài)RGB表情開始，研究方向朝著識別動態(tài)表情和自發(fā)表情發(fā)展。為了應(yīng)對姿勢變化大，照明條件的多樣性和面部表情細(xì)微檢測所帶來的挑戰(zhàn)，諸如3D和熱圖像之類的新型數(shù)據(jù)模態(tài)已經(jīng)被提出。盡管大多數(shù)研究都集中在基礎(chǔ)表情識別和動作單元（AU）上，但對疼痛，疲勞，沮喪或認(rèn)知狀態(tài)的分析為表情識別的新應(yīng)用鋪平了道路。在圖1-2中介紹了自動表情識別歷史演變的時間表。1.3國內(nèi)外研究現(xiàn)狀表情是人類心理活動的表現(xiàn)形式，讀懂面部表情能夠幫助計算機更好的理解人，有助于人機交互應(yīng)用的開發(fā)。這引發(fā)了國內(nèi)外很多學(xué)者研究與表情識別有關(guān)的算法和機器人[42-47]。例如，英國BristolRobotics實驗室研究的仿人機器人“Jules”能夠使用雙目攝像頭以25幀每秒的速度讀取并識別六種基礎(chǔ)表情，同時利用人工肌肉形成表情對目標(biāo)做出反應(yīng)，如圖1-3（a）。美國漢森機器人公司的大衛(wèi)等人設(shè)計的愛因斯坦機器人擁有與Jules有相同的功能，還能模擬人類點頭等簡單的動作，如圖1-3（b）。麻省理工大學(xué)媒體實驗室設(shè)計的“Nexi”機器人不僅能夠識別表情，還能夠通過轉(zhuǎn)動、睜閉眼睛、皺眉、張嘴和打手勢的形式表達情感，是一款具備社交和移動功能的機器人，如圖1-3（c）。索尼DSC-T70相機開發(fā)了笑臉快門模式，能夠檢測到圖像種的笑臉并自動進行拍攝，如圖1-3（d）。馬里蘭大學(xué)的自動化研究所結(jié)合了表情、言語、目光和外設(shè)（鍵盤和鼠標(biāo)）等交流方式，開發(fā)了能夠檢測用戶情感狀態(tài)的智能環(huán)境。南加利福尼亞大學(xué)的創(chuàng)新科技圖1-2自動表情識別歷史演變時間表Fig.1-2Historica

第1章緒論4中心開發(fā)了虛擬現(xiàn)實（AR）終端SimSenseiKiosk，它能通過采訪的方式感受到用戶的心理狀態(tài)，并進行自然舒適的溝通交流。國內(nèi)高校和研究所在表情識別領(lǐng)域的研究雖然起步較晚，但是依然取得了很多優(yōu)秀成果[48-53]。清華大學(xué)、浙江大學(xué)和中科院大學(xué)等高校在人臉表情分析算法研究方面較為領(lǐng)先。哈爾濱工業(yè)大學(xué)和自動化研究所在集成表情識別算法的機器人研制方面做出了突出貢獻。浙江大學(xué)的付曉峰等人提出基于中心化二元模式的表情特征提取算法，結(jié)合有監(jiān)督拉普拉斯面部訓(xùn)練機制訓(xùn)練出高效的表情成分分析模型。吉林大學(xué)的李棟等人以局部紋理特征提取為基礎(chǔ)，以支持向量機和決策樹為分類器，提高了面部表情識別算法的魯棒性和準(zhǔn)確率。哈爾濱工業(yè)大學(xué)制造的仿人機器人GOROBOT能夠結(jié)合視覺、力覺和溫度感受器準(zhǔn)確識別人的六種基礎(chǔ)表情。1.4面部表情識別理論1.4.1理論框架一般的人臉表情識別方法包括四個步驟，即人臉檢測、人臉校正、特征提取和表情識別。但是由于存在不同的表情定義方式以及不同的表情數(shù)據(jù)形式（2D、3D和熱圖像），所以執(zhí)行流程有一些差異，如圖1-4所示。圖1-3國內(nèi)外表情識別前沿成果Fig.1-3Currentachivementsoftheresearcha)“Jules”(BristolRoboticsLaboratory),b)“Einstein”(HansonRobotics),c）“Nexi”(MITMediaLab),d)SmileShotofSonyDSC-T70Camera

【參考文獻】：
期刊論文
[1]具有視覺及面部表情的仿人頭像機器人系統(tǒng)設(shè)計與研制[J]. 鹿麟,吳偉國,孟慶梅.  機械設(shè)計. 2007(07)
[2]人臉表情識別研究的新進展[J]. 劉曉旻,譚華春,章毓晉.  中國圖象圖形學(xué)報. 2006(10)
[3]面部表情圖像的分析與識別[J]. 高文,金輝.  計算機學(xué)報. 1997(09)

博士論文
[1]基于局部紋理特征融合的面部表情識別方法研究[D]. 李棟.吉林大學(xué) 2014
[2]自動人臉分析與識別的若干問題研究[D]. 黨力.中國科學(xué)技術(shù)大學(xué) 2012
[3]基于二元模式的人臉識別與表情識別研究[D]. 付曉峰.浙江大學(xué) 2008
[4]人臉圖像分析和識別方法研究[D]. 孫俊.清華大學(xué) 2001



本文編號：2899646