面向维度情感分析的深度特征提取算法研究

发布时间：2021-11-08 14:35

　　维度情感分析是情感计算领域的重要研究方向和研究热点。人类情感的表达复杂且微妙,不受简单的固定类别的情感标签限制,从理论而言,维度情感空间可涵盖所有情感状态。情感状态的变化连续、缓慢、有规律可寻,受上下文语境及情境影响。本文针对维度情感分析提出了三种深度特征提取算法,其中所提出的时空融合深度特征提取算法,充分利用了人脸表情帧内的空间特征和帧间的时序特征,取得了目前最优的识别效果。具体研究内容如下:（1）提出了一种人脸关键点约束对齐的维度情感深度特征提取算法一—Landmark CNN。相较于传统特征提取算法,卷积神经网络（Convolutional Neural Network,CNN）能够从维度情感数据中学习到更抽象、更具判别性的特征。实验结果表明,与传统特征相比,CNN提取的深度特征可有效表示表情的空间特征并提高识别精度。考虑到人脸姿态所带来的影响,本文提出了人脸关键点约束对齐的维度情感深度特征提取算法。在数据预处理阶段,对图像进行人脸关键点约束对齐;在特征提取阶段,采用CNN提取空间特征。对比实验结果表明,在AVEC2012数据集上,本文所提模型的TOP1识别精度比CNN模型高1.... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

图１－２维度情感空间Ｗ??Ｆｉｇｕｒｅ?１－２?Ｓｐａｃｅ?ｏｆ?Ｄｉｍｅｎｓｉｏｎａｌ?Ｅｍｏｔｉｏｎ?［４１??

ＨＯＧ特征的收集。连接整体的向量得到ＨＯＧ特征。??（３）?ＨＯＧ特征可视化??图２－１为ＨＯＧ特征的可视化图，从图中可见ＨＯＧ特征能够很好的描述人脸??轮廓，但是对噪声比较敏感，在眼角这样的人脸表情敏感区域，特征提取很不明??显。??Ｔ?…Ｏｒｉｇｉｎａｌ?ｉｍａｇｅ?—?—?—?Ｇｒａｙ?—?—?—?＇?Ｈ０６?卞议咖…??．：??ｉ?＊＞?＊?？ｅ?？?？?？?ｉｋ?ｎ?ｍ?ｍ?ｍ?ｔｎ?ｃ?免?你：－??图２－１?ＨＯＧ特征可视化??Ｆｉｇｕｒｅ?２－１?Ｖｉｓｕａｌｉｚａｔｉｏｎ?ｏｆ?ＨＯＧ?ｆｅａｔｕｒｅ??２．１．２基于局部纹理的特征提取算法??在计算机视觉、图像处理领域，局部二进制模式（Ｌｏｃａｌ?Ｂｉｎａｒｙ?Ｐａｔｔｅｒｎｓ，ＬＢＰ）??［３４］作为纹理描述算子，可有效提取图像局部纹理特征，具有旋转不变性，以及光??照不变性。??（１）?ＬＢＰ特征??从图像纹理的角度分析，图像某像素点的纹理特征即此像素点与其周围像素??点的关系，也就是此点与其邻域内像素点的关系。而ＬＢＰ构建了一种衡量像素点??与其周围像素点关系的描述。??（２）?ＬＢＰ原理??基本ＬＢＰ算子的计算过程：针对图像中的每个像素，计算以其为中心的３Ｘ３??邻域内各像素和中心像素的大小关系，将像素的灰度值转化为８位的二进制序列。??（３）?ＬＢＰ特征的提取以及计算步骤??第一步

??（４）?ＬＢＰ可视化??图２－２为ＬＢＰ特征的可视化图，从图中可见ＬＢＰ特征提取到的纹理比较粗糙，??容易导致纹理丢失。并且在眼睛这样的人脸表情敏感区域纹理比较模糊。??Ｏｒｉｇｉｎａｌ?Ｉｍａｇｅ??Ｇｒａｙ?ＬＢＰ?Ｆｅａｔｕｒｅｓ??ｗｍｍ?；??｜?＊?＊?＾?？．?？．?ｔ?＾?ｍ?Ｕ＇，?ｓｉ％?§?秘?ｓｏｏ?脱??？？嫌魏嫌雜赚？嫌齡魏嫌嫌齡咖咖咖吩树晰她似微晰挪齡撕的．齡賊观财娜ｉ??图２－２?ＬＢＰ特征可视化??Ｆｉｇｕｒｅ?２－２?Ｖｉｓｕａｌｉｚａｔｉｏｎ?ｏｆ?ＬＢＰ?ｆｅａｔｕｒｅ??２．２基于ＣＮＮ的维度情感深度特征提取算法??近年来，机器学习和人工智能的崛起，引起了深度学习的研究热潮。深度神??经网络在情感分析、物体检测、行为识别等领域迅速发展，大大提升了识别精度??和模型性能。??２．２．１深度特征提取算法框架??深度学习从本质上讲，是训练深层结构模型的一种学习方法。深层结构是相??较浅层结构而定义的概念，浅层结构模型一般具有一层或两层非线性特征变换，??如尚斯混合模型（Ｇａｕｓｓｉａｎ?Ｍｉｘｔｕｒｅ?Ｍｏｄｅｌ，?ＧＭＭ）?［３５］、ＳＶＭ、含单层隐藏层的多??层感知器（Ｍｕｌｔｉ－ｌａｙｅｒＰｅｒｃｅｐｔｒｏｎ，ＭＬＰ）?［３６］。相关的研宄证明，浅层结构模型在??内部结构相对简单、约束强度小的数据研究领域内


本文编号：3483887