自然环境下的静态人脸表情识别与估计
发布时间：2021-03-26 02:26
随着计算机计算能力的增长和图像数据的积累,人脸表情识别尤其是基于自然环境的人脸表情识别研究逐渐成为人工智能的研究热点领域之一。目前,实验室环境下的人脸表情识别技术相对来说较为成熟,而自然环境下的人脸表情识别更贴近于现实应用同时难度也更高,其相关算法的识别效果也亟待提升。人脸表情主要有离散和连续维度两种表示模型,并且这两种表示模型在教育、医疗、安全等方面有着巨大的应用前景。因此,本文着重研究基于自然环境下的人脸表情识别（离散）和估计（连续维度）。本文的主要工作内容如下:（1）自然环境下的人脸表情识别与实验室环境下的人脸表情识别相比更具有挑战性。自然环境下的图像样本在姿态、背景、光照等非表情因素方面存在着较大的差异,同时存在一部分效价较低的样本,这些样本在特征空间中易出现混淆的情况。基于此,本文提出一种基于Center Loss和Valence-sensitive Loss联合损失函数的人脸表情识别方法。Center Loss的引入用于减轻非表情因素带来的干扰,使得同类的样本在特征空间更易聚集在一起,Valence-sensitive Loss用于解决因低效价带来的混淆问题,最后利用设计的...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
Valence-Arousal连续维度情感模型
图 1.3 CK+数据集的表情样本示例Fig 1.3 The sample images of Extended CK dataset（3）MMI（Man Machine Interaction）数据集[14][15]MMI 数据集同样是实验室可控环境下的数据集，包含来自 32 个受试者的 序列 其中 213 个序列被标记为六个类别的表情（相较于 CK+缺少蔑视），
图 1.4 RAF-DB 库的表情样本示例Fig 1.4 The sample images of RAF-DB dataset（6）AffectNet 数据集[18]目前 AffectNet 数据集是在离散模型和连续维度模型下最大的自然环境数据集一 丹佛大学使用六种不同语言的 1250 个情感关键字在三个搜索引擎（Google
【参考文献】：
期刊论文
[1]人脸表情识别研究进展[J]. 黄建,李文书,高玉娟. 计算机科学. 2016(S2)
[2]基于ROI-KNN卷积神经网络的面部表情识别[J]. 孙晓,潘汀,任福继. 自动化学报. 2016(06)
[3]人脸检测研究综述[J]. 梁路宏,艾海舟,徐光祐,张钹. 计算机学报. 2002(05)
本文编号：3100766
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
Valence-Arousal连续维度情感模型
图 1.3 CK+数据集的表情样本示例Fig 1.3 The sample images of Extended CK dataset（3）MMI（Man Machine Interaction）数据集[14][15]MMI 数据集同样是实验室可控环境下的数据集，包含来自 32 个受试者的 序列 其中 213 个序列被标记为六个类别的表情（相较于 CK+缺少蔑视），
图 1.4 RAF-DB 库的表情样本示例Fig 1.4 The sample images of RAF-DB dataset（6）AffectNet 数据集[18]目前 AffectNet 数据集是在离散模型和连续维度模型下最大的自然环境数据集一 丹佛大学使用六种不同语言的 1250 个情感关键字在三个搜索引擎（Google
【参考文献】：
期刊论文
[1]人脸表情识别研究进展[J]. 黄建,李文书,高玉娟. 计算机科学. 2016(S2)
[2]基于ROI-KNN卷积神经网络的面部表情识别[J]. 孙晓,潘汀,任福继. 自动化学报. 2016(06)
[3]人脸检测研究综述[J]. 梁路宏,艾海舟,徐光祐,张钹. 计算机学报. 2002(05)
本文编号：3100766
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3100766.html
最近更新
教材专著
