基于顺序回归的表情分析方法研究

发布时间：2021-02-27 17:32

　　情感在人类进行信息交流过程中扮演着重要的角色,人的情感状态通常是肢体语言、面部表情和语音语义的综合表现。面部表情作为最原始的交流方式,是人类传达其情感状态和意图最自然和最有力的途径。面部表情分析是情感计算的基础,是实现人机自然情感交互的关键技术。面部表情分析主要由面部表情识别和表情强度估计两个方面组成,表情识别的工作主要是识别六类基本表情,包括:愤怒、厌恶、恐惧、高兴、悲伤和惊讶;而表情强度估计则进一步区分同类表情之间在强度上的细微程度。现有的工作多集中于表情识别,对表情强度估计的研究较少。但是,仅仅分类基本表情并不能完全理解人的情绪。为了进一步理解人的情感状态和情绪强度,表情强度估计引起了广泛的关注。尽管研究者们在表情分析领域投入了大量的精力,也创造出了众多有意义的研究成果,但由于人脸表情的细微性和复杂多样性,在该领域目前仍旧存在一些难点,难以训练出鲁棒性高,泛化能力强的模型,易出现过拟合问题。特别是表情强度方面,仍然缺乏大量的有标记的数据,难以用有监督的方法训练模型。尽管基于排序的方法能够解决这一问题,但是排序方法只能估计表情的相对强度,无法估计表情的绝对强度。针对以上问题,本文主... 

【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 研究内容和论文结构
        1.3.1 研究内容
        1.3.2 论文组织结构
    1.4 本章小结
第二章 面部表情分析相关技术
    2.1 引言
    2.2 面部表情数据库
    2.3 图像预处理
        2.3.1 人脸检测
        2.3.2 人脸归一化
    2.4 表情分类方法
        2.4.1 传统机器学习方法
        2.4.2 深度卷积神经网络
    2.5 表情强度估计方法
    2.6 本章小结
第三章 基于顺序信息的面部表情分析方法
    3 .1引言
    3.2 基于顺序信息的表情分析算法
        3.2.1 表情强度排序问题
        3.2.2 基于Rank-CNN的表情分析
    3.3 实验
        3.3.1 实验设置
        3.3.2 实验结果及分析
    3.4 本章小结
第四章 基于半监督学习的表情强度估计方法
    4.1 引言
    4.2 基于半监督学习的表情强度估计方法
        4.2.1 表情强度排序与回归问题
        4.2.2 融合排序CNN和回归CNN的半监督框架
        4.2.3 融合排序CNN和回归CNN的表情强度估计
    4.3 实验
        4.3.1 实验设置
        4.3.2 实验结果及分析
    4.4 本章小结
第五章 总结与展望
    5.1 本文总结
    5.2 本文展望
参考文献
攻读硕士期间发表的论文
致谢



本文编号：3054568