基于贝叶斯推理的人脸表情识别方法

发布时间：2021-07-12 22:52

　　随着科技的发展,“智能化”已渗入人们的日常生活。情感智能是人工智能研究领域中的重要内容,而其中的人脸表情识别技术在公共安全、医疗服务以及人机交互等领域的应用需求不断提升,因此基于图像的人脸表情识别是研究的热点之一。论文基于贝叶斯推理理论,针对其中的表情特征提取和分类问题开展相关研究,有着重要的理论和应用价值。论文的主要工作如下:首先,设计了两种人脸表情特征的提取方法。第一种方法提取了基于语义图像块的传统特征,该方法结合多尺度采样策略来生成语义图像块,并在此之上提取Dense SIFT和LBP_HF特征,然后将两种特征进行融合。第二种方法提取了基于卷积神经网络的深度特征,该方法采用改进的VGG19网络,实现了有效的特征学习。其次,在语义图像块的传统特征之上,提出了基于贝叶斯主题模型的人脸表情识别方法。该方法通过分层处理的方式对语义图像块的特征进行了二次抽象。首先,在局部特征之上构造视觉词典,然后编码形成表情词汇特征,进而通过人脸主题模型的学习,得到潜在的表情主题特征,以此作为最终的识别向量。该方法在JAFFE数据集上获得了94.9%的准确率,并且在CK+数据集上的六类... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

不同被试者在相同表情下的表现

华 中 科 技 大 学 硕 士 学 位 论 识别难点在于样本较少，且不同被试者的各个表情状态存在示，第一位女性在不同情绪下的面部变化幅度较小，而第二位。另外，该数据集中还含有少量的标注错误，如图 2-2 所示DI FE HA NE SA 图 2-1 不同被试者在相同表情下的表现

华 中 科 技 大 学 硕 士 学 位 论 文数据集上的评估算法并不统一。对于静态人脸表情识别，常用的数据选择方法取每个序列中包含峰值的若干帧。同时，由于 CO 类别样本较少，识别较为困难以不少方法在性能评估时，将此类排除在外。（3）FER2013 数据集FER2013[48]是由谷歌图像搜索 API 自动采集的大型人脸表情数据集，带有 7 情标签：AN，HA，SA，SU，DI，FE，NE。该数据集包含了 35887 个面部灰像，分辨率为 48×48 像素，这些图像一般可以直接用作表情识别，而无需再进脸检测。在 FER2013 数据集中，训练集的数目为 28709，“PublicTestSet”PrivateTestSet”的数目各为 3589，二者可以分别用作验证集和测试集，也可以于测试。从图 1-6 的样例可以看出，该数据集的图像在年龄、姿势和光照等方面很大，同时存在着遮挡的情况。另外，该数据集上的肉眼识别准确率仅为 65.5%


本文编号：3280804