一种基于CNN-CBP特征的微表情识别系统及其软硬件协同设计
发布时间：2021-11-19 16:02
微表情是人们试图掩饰内心真实情绪时流露出的一种转瞬即逝的面部表情,被认为是识别说谎和危险的最为有用的线索,对理解人类欺骗行为有着重要的作用。自Ekman等人在医学视频的研究中发现微表情以来,微表情的研究在多个领域展开,如临床医学、公共安全、教育以及政治领域。而微表情的研究中,由于微表情肉眼的不易观察性,微表情自动识别方法的研究能够为微表情研究提供有力的工具,加快、扩展微表情的原理研究进程和微表情的应用领域。近年来,微表情自动识别方法的研究是微表情研究领域的一大热点,然而微表情的研究尚存在不少障碍,如数据集的问题、实时性的问题。微表情数据集的问题首先是集不够完备,普遍缺乏六种基本表情;其次是数据量相对表情数据集而言是比较少的。微表情据集的缺陷对于模型的有效训练非常不利。考虑到微表情和宏表情在基本情绪上是一致的,区别在于持续时间和表情动作幅度上,因而将宏表情的数据集利用到微表情训练上是一个可行的方案。我们在[52]的基础上,利用宏表情和微表情数据集训练宏表情识别模型,然后将宏表情识别模型作为微表情识别框架中的表情识别模块,再利用表情的持续时间区分宏表情和微表。目前微表情自动识别方法的研究大...
【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：79 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景和研究意义
1.1.1 研究背景
1.1.2 研究意义
1.2 研究现状
1.2.1 理论基础
1.2.2 识别方法
1.2.3 数据库
1.3 本文工作内容
1.4 组织结构
第二章 人脸检测
2.0 概述
2.1 积分图
2.2 特征提取
2.3 Boosting算法
2.4 关注式级联结构
2.4.1 级联结构定义
2.4.2 训练级联分类模型
2.5 实验结果
第三章 表情识别
3.1 概述
3.1.1 人脸预处理
3.1.2 脸部特征提取
3.1.3 特征分类
3.2 预备知识点
3.2.1 中心化二值模式
3.2.2 卷积神经网络
3.2.3 支持向量机
3.3 CNN-CBP特征融合
3.3.1 算法框架
3.3.2 基于块的CBP特征
3.3.3 卷积神经网络结构
3.4 实验结果
3.4.1 基于Extended Cohn-Kanade数据集
3.4.2 泛化能力
第四章 微表情识别
4.1 概述
4.1.0 微表情数据库
4.1.1 微表情标定
4.1.2 微表情识别
4.2 综合框架
4.2.1 人脸对齐
4.2.2 微表情放大
4.2.3 表情识别模型的训练
4.2.4 微表情判断
4.3 实验
第五章 系统的软硬件协同设计
5.1 概述
5.2 系统规范
5.2.1 系统分析
5.2.2 建立模型
5.3 软硬件划分
5.3.1 划分方法研究
5.3.2 微表情系统的软硬件划分
5.4 系统集成
5.4.1 软硬件平台
5.4.2 系统实现
第六章 总结与展望
6.1 总结
6.2 进一步的研究
参考文献
攻读硕士学位期间发表论文和科研情况
致谢
【参考文献】：
期刊论文
[1]微表情自动识别综述[J]. 贲晛烨,杨明强,张鹏,李娟. 计算机辅助设计与图形学学报. 2014(09)
[2]Effects of the duration of expressions on the recognition of microexpressions[J]. Xun-bing SHEN, Qi WU, Xiao-lan FU (State Key Laboratory of Brain and Cognitive Science, Institute of Psychology, Chinese Academy of Sciences, Beijing 100101, China). Journal of Zhejiang University-Science B（Biomedicine & Biotechnology）. 2012(03)
[3]微表情研究及其应用[J]. 吴奇,申寻兵,傅小兰. 心理科学进展. 2010(09)
[4]嵌入式系统的软硬件协同设计[J]. 王少平,王京谦,钱玮. 现代电子技术. 2005(02)
[5]软硬件协同设计方法的研究[J]. 赵川,徐涛,孙晓光. 计算机工程与设计. 2003(07)
本文编号：3505384
【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：79 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景和研究意义
1.1.1 研究背景
1.1.2 研究意义
1.2 研究现状
1.2.1 理论基础
1.2.2 识别方法
1.2.3 数据库
1.3 本文工作内容
1.4 组织结构
第二章 人脸检测
2.0 概述
2.1 积分图
2.2 特征提取
2.3 Boosting算法
2.4 关注式级联结构
2.4.1 级联结构定义
2.4.2 训练级联分类模型
2.5 实验结果
第三章 表情识别
3.1 概述
3.1.1 人脸预处理
3.1.2 脸部特征提取
3.1.3 特征分类
3.2 预备知识点
3.2.1 中心化二值模式
3.2.2 卷积神经网络
3.2.3 支持向量机
3.3 CNN-CBP特征融合
3.3.1 算法框架
3.3.2 基于块的CBP特征
3.3.3 卷积神经网络结构
3.4 实验结果
3.4.1 基于Extended Cohn-Kanade数据集
3.4.2 泛化能力
第四章 微表情识别
4.1 概述
4.1.0 微表情数据库
4.1.1 微表情标定
4.1.2 微表情识别
4.2 综合框架
4.2.1 人脸对齐
4.2.2 微表情放大
4.2.3 表情识别模型的训练
4.2.4 微表情判断
4.3 实验
第五章 系统的软硬件协同设计
5.1 概述
5.2 系统规范
5.2.1 系统分析
5.2.2 建立模型
5.3 软硬件划分
5.3.1 划分方法研究
5.3.2 微表情系统的软硬件划分
5.4 系统集成
5.4.1 软硬件平台
5.4.2 系统实现
第六章 总结与展望
6.1 总结
6.2 进一步的研究
参考文献
攻读硕士学位期间发表论文和科研情况
致谢
【参考文献】：
期刊论文
[1]微表情自动识别综述[J]. 贲晛烨,杨明强,张鹏,李娟. 计算机辅助设计与图形学学报. 2014(09)
[2]Effects of the duration of expressions on the recognition of microexpressions[J]. Xun-bing SHEN, Qi WU, Xiao-lan FU (State Key Laboratory of Brain and Cognitive Science, Institute of Psychology, Chinese Academy of Sciences, Beijing 100101, China). Journal of Zhejiang University-Science B（Biomedicine & Biotechnology）. 2012(03)
[3]微表情研究及其应用[J]. 吴奇,申寻兵,傅小兰. 心理科学进展. 2010(09)
[4]嵌入式系统的软硬件协同设计[J]. 王少平,王京谦,钱玮. 现代电子技术. 2005(02)
[5]软硬件协同设计方法的研究[J]. 赵川,徐涛,孙晓光. 计算机工程与设计. 2003(07)
本文编号：3505384
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3505384.html
