基于深度学习的人脸表情识别算法研究与实现

发布时间：2022-08-10 12:58

　　随着深度学习的快速发展,人的面部表情研究成为了一个热点研究话题。表情识别属于模式识别领域,对国防安全,儿童教育,心理学有着重要的应用价值。为此,人们一直期望能够通过机器准确地识别人脸表情。同时面部表情作为最有力的社交信号之一,在日常生活交流中能够帮助理解对方的内心情感。然而在人类的基本表情中,微笑是人类内心喜悦的体现,微笑也是人类交流中最常见的表达方式之一。微笑检测作为基本人脸表情中一项特定工作,在心理学还有人的行为分析方面有着巨大的潜在应用价值,同时微笑检测对孤独症患病儿童的早期干预和诊断尤为重要。为此针对上述问题,将展开对二分类的微笑检测和七分类人脸表情识别算法的研究以及七类表情识别系统的搭建,本文的主要工作如下:（1）建立儿童微笑表情数据库。详细介绍了儿童微笑表情数据库的建库流程,对网络爬虫、人工标注、图像预处理等操作进行详细介绍;从网络爬虫的大量图片,经过专业的人工标注和图像预处理之后,从中挑选了2804张儿童表情图片,其中儿童笑脸有1445张,非微笑有1359张,最后完成建库工作。（2）儿童微笑表情识别的研究。目前国内外公开的儿童笑表情数据库寥寥无几,由于多数微笑表情库是包含... 

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 基于传统方法表情识别算法研究现状
        1.2.2 基于深度学习表情识别算法研究现状
    1.3 本文的研究工作和组织框架
        1.3.1 本文的主要研究工作
        1.3.2 本文的组织框架
第二章 儿童微笑表情图像数据库的建立
    2.1 引言
    2.2 国内外现有表情数据库及技术挑战
    2.3 数据库建库流程
    2.4 数据库的建立
        2.4.1 网络爬虫
        2.4.2 人工标注
        2.4.3 图像预处理
    2.5 本章小结
第三章 基于深度卷积神经网络的微笑检测算法
    3.1 引言
    3.2 基于VGGNet网络的笑脸识别
        3.2.1 网络模型结构
        3.2.2 模型配置参数
    3.3 基于BRNet网络的笑脸识别
        3.3.1 构建损失函数
        3.3.2 网络结构的设计
    3.4 基于残差网络的笑脸识别
        3.4.1 残差网络的结构
        3.4.2 残差网络的训练
    3.5 实验结果及分析
        3.5.1 GENKI-4K笑脸数据库上的实验
        3.5.2 自建儿童笑脸库上的实验
    3.6 本章小结
第四章 基于卷积神经网络的人脸表情识别系统搭建
    4.1 引言
    4.2 基于卷积神经网络的人脸表情识别系统的构建
        4.2.1 整体网络结构
        4.2.2 卷积神经网络的搭建
        4.2.3 卷积神经网络模型训练
    4.3 算法设计流程
    4.4 实验结果与分析
        4.4.1 数据库介绍
        4.4.2 实验参数设定
        4.4.3 实验结果分析
    4.5 人脸表情识别系统的搭建
        4.5.1 硬件配置环境
        4.5.2 软件配置环境
        4.5.3 深度学习框架安装
        4.5.4 表情识别系统搭建
        4.5.5 界面设计
        4.5.6 界面主要功能
    4.6 本章小结
第五章 总结与展望
    5.1 本文工作总结
    5.2 后续研究讨论
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]地质领域机器学习、深度学习及实现语言[J]. 周永章,王俊,左仁广,肖凡,沈文杰,王树功.  岩石学报. 2018(11)
[2]人工智能在计算机视觉及网络领域中的应用[J]. 张大巍.  电子技术与软件工程. 2018(11)
[3]一种基于TuriCreate和OpenCV的实时图像识别系统设计[J]. 罗伊杭,罗诗光,潘与维,杨欢,韦金娇.  电子测试. 2018(10)
[4]基于Python+Pandas+Matplotlib的学生成绩数据统计与图形输出实现[J]. 刘雨珂,王平.  福建电脑. 2017(11)
[5]深度学习技术教育应用:现状和前景[J]. 刘勇,李青,于翠波.  开放教育研究. 2017(05)
[6]构建多尺度深度卷积神经网络行为识别模型[J]. 刘智,黄江涛,冯欣.  光学精密工程. 2017(03)
[7]基于深度卷积神经网络的图像检索算法研究[J]. 刘海龙,李宝安,吕学强,黄跃.  计算机应用研究. 2017(12)
[8]深度卷积神经网络在计算机视觉中的应用研究综述[J]. 卢宏涛,张秦川.  数据采集与处理. 2016(01)
[9]基于主成分分析和Softmax回归模型的人脸识别方法[J]. 汪海波,陈雁翔,李艳秋.  合肥工业大学学报(自然科学版). 2015(06)
[10]基于混淆矩阵的证据可靠性评估[J]. 宋亚飞,王晓丹,雷蕾.  系统工程与电子技术. 2015(04)



本文编号：3673678