面部运动单元时空共生模式提取与应用

发布时间：2022-08-23 18:44

　　面部表情识别已成为计算机视觉领域中核心技术之一,在人们日常生活中具有广泛的应用。近年来,基于面部动作编码系统（Facial Action Coding System,FACS）的表情识别方法已成为相关研究的主流方法,但这类方法的应用受限于手动标注运动单元（Action Units,AUs）的过程。本文以面部AU作为研究对象,以时空共生性作为约束条件,利用空间和时间维度中丰富的上下文关系以及固有的共生属性,实现精确且鲁棒的面部AU自动检测,以减轻上述难点对面部AU及表情分析的影响。本文的主要工作包括:（1）提出了一种稀疏与共生双约束的轻量级AU卷积网络模型（Lite AU Convolution Network,LAUCN）,通过联合利用面部AU的稀疏性和共生关系对输出标签空间进行约束。所提LAUCN网络舍弃了传统的人工设计特征提取过程,而是以数据驱动的方式自动地生成更具代表性的特征,且仅需少量样本便可训练。CK+表情集上的实验结果（平均F1分数达69.3%,准确率达91.4%）表明利用标签空间的稀疏性与共生关系有助于提高AU检测模型的性能。（2）提出了一种弱监督双重注意力融合网络模型（... 

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图１－１?Ｅｋｍａｎ等人提出的六种基本表情［１２１??Ｆｉｇｕｒｅ?１－１?Ｓｉｘ?ｂａｓｉｃ?ｅｘｐｒｅｓｓｉｏｎｓ?ｐｒｏｐｏｓｅｄ?ｂｙ?Ｅｋｍａｎ?ｅｔ?ａｌ．?［１２］??

一面部Au自动分析系统的整体架构图

图１＿６本文研宄内容概览??Ｆｉｇｕｒｅ?１－６?Ｔｈｅ?ｏｖｅｒｖｉｅｗ?ｏｆ?ｔｈｅ?ｍａｉｎ?ｒｅｓｅａｒｃｈ?ｃｏｎｔｅｎｔｓ?ｉｎ?ｔｈｉｓ?ｐａｐｅｒ??－

【参考文献】：
期刊论文
[1]复杂环境下基于视觉显著性的人脸目标检测[J]. 陈凡,童莹,曹雪虹.  计算机技术与发展. 2017(01)
[2]面部表情识别对社会交往能力的影响作用[J]. 刘宏艳,葛列众.  中国临床心理学杂志. 2014(03)
[3]压缩感知理论及其研究进展[J]. 石光明,刘丹华,高大化,刘哲,林杰,王良君.  电子学报. 2009(05)
[4]基于混淆交叉支撑向量机树的自动面部表情分类方法[J]. 徐琴珍,章品正,裴文江,杨绿溪,何振亚.  中国图象图形学报. 2008(07)



本文编号：3678287