连续空间下基于面部图像的情感分析方法研究

发布时间：2021-07-13 11:23

　　计算机能够准确地认知人类的情感状态是智能交互的基础,面部图像作为情感信息的主要载体,能够传达出55%的情感信息,因此面部情感识别具有很大的研究价值。但是现阶段由于情感分析准确率低,导致情感分析技术应用受限,本文针对影响情感分析准确率的两个关键性问题:情感分析易受非情感因素影响;基于深度学习分析情感时忽略了情感两个维度（Arousal和Valence）之间的相关性,提出了有效的解决方案。针对面部情感分析易受非情感因素影响这个问题,本文提取面部显著区域特征,并对特征选择,得到对情感具有判别力的特征。现阶段情感分析算法大都基于整张人脸提取特征,这种特征提取方式既造成情感特征维度高,又导致情感特征易受人脸角度、光照以及面部外观等非情感因素的影响。本文首先检测出面部特征点和面部判别块的位置,提取它们的局部外观特征（Uniform Local Binary Pattern,ULBP）;然后将两种特征融合,送入改进的情感显著性堆叠降噪自编码网络（Salient Stack Denoising Autoencoder,SSDA）对特征进行选择,挑选出具有判别力的情感特征,最后利用情感显著特征分析情感。... 

【文章来源】：西安理工大学陕西省

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

Affect-Net数据集中的原图像

【参考文献】：
期刊论文
[1]基于MSVR和Arousal-Valence情感模型的表情识别研究[J]. 杨勇,黄文波,金裕成,顾西存.  重庆邮电大学学报(自然科学版). 2016(06)

博士论文
[1]基于深度神经网络的回归模型及其应用研究[D]. 包姣.电子科技大学 2017

硕士论文
[1]特征点主导的面部自发表情识别方法研究[D]. 许亮.西安理工大学 2018



本文编号：3281968