基于视频的情感分析系统的实现

发布时间：2022-01-13 23:06

　　人脸表情识别一直以来都是情感研究的主要部分,同时也是未来社会人机交互的重要组成部分,具有十分重要的研究意义和广阔的应用场景,例如检测疲劳驾驶、心理医疗、远程教育等领域。在其发展过程中,大致根据研究方法可以构建两种识别模型:基于分类器模型和端到端的深度学习模型。在其解决方案上主要分成四个步骤:图像中的人脸检测、人脸区域关键点定位、表情特征提取和表情识别。前两个步骤已经在众多的领域得到了研究,但是人脸的关键点定位和特征的提取分类仍然是研究的核心。上面讲述了两种主要的研究方法。当我们从所要研究的对象来考量,大致分为两种,基于静态图像和基于实时视频序列的人脸表情识别。为了解决从静态图像中分析人脸表情,我们提出了基于隔离损失的神经网络模型,其主要特点是利用卷积神经网络来从图像中获取人脸表情,相比于人工设计的Haar特征及其LBP特征,其具有更好的准确性和合理性。此外,本文的主要创新在于:解决人脸特征提取上的问题,通过新的损失函数——隔离损失,有效的提高了系统的判别性,并大大减少了误判;在视频序列的处理上,我们的主要提出了一种局部双向递归循环神经网络来解决此问题。其主要原理是在双向循环神经网络模型... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

面部运动单元大概在90年代左右，著名学者Kenji就实现了根据图像脸部的肌肉运动来进行光流法的分析

在人机交互和计算机视觉领域是非常热门的研究方域众多科研学者一直不断的进行研究。下面从两个方态图像中进行人脸检测的方法：基于机器学习的卷积图 2.2 视频中人脸检测

但是上面所讲述的方法也存在弊端，例如我们根据经验得到的总结往往是主观臆断，没有一个严格的概念规则去进行区分，当我们利用这些模糊判断人脸识别时，会遇到很大的限制性。而且当检测样本和我们已经建立的规则图 2.3 图像分层

【参考文献】：
博士论文
[1]基于深度学习和面部多源动态行为融合的驾驶员疲劳检测方法研究[D]. 赵磊.山东大学 2018

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
[2]基于视频的人体行为和表情异常检测方法研究[D]. 崔利军.西安理工大学 2018
[3]基于深度学习的人脸表情识别算法研究[D]. 曾逸琪.中国科学技术大学 2018



本文编号：3587305