基于深度残差网络的图像序列人脸表情识别研究

发布时间：2023-05-07 01:45

　　随着计算机视觉技术的快速发展,人脸表情识别技术逐渐兴起。无论在学术界还是应用在工业界,如何实现人脸表情的自动识别已经成为研究的热门课题。当前人脸表情识别技术存在巨大的发展潜力以及丰富的应用场景,可用于智能人机互动、汽车安全驾驶、辅助医疗和在线教育等场景。到目前为止,大多数人脸表情识别算法的研究对象主要是使用静态表情图像,但是人脸表情变化是一个动态的过程,仅仅使用静态的人脸表情图像不能利用到表情变化的时间和空间特征。图像序列人脸表情相比较静态图像人脸表情可以捕捉到更多的运动特征和纹理特征,这样在进行人脸表情分类时可以提高准确率。本文的主要研究工作和创新点如下:1、分析了输入图像的预处理操作来提高人脸表情的识别率。不同于传统的卷积神经网络直接将检测到人脸的原始图片作为输入,本文算法在输入网络前进行了一系列的图像预处理操作。首先使用了最新准确率较高的人脸检测算法Retina Face提高复杂以及非正脸的识别率,然后使用了基于面部四点的人脸对齐法进行人脸的对齐,接着进行了图像裁剪以及强度归一化,最后使用传统方法提取旋转不变局部二值模式(Local Binary Pattern,LBP)图谱作为...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 人脸表情识别概述
        1.3.1 基于静态图像特征
        1.3.2 基于动态图像特征
        1.3.3 人脸表情分类方法
        1.3.4 常见人脸表情数据集
    1.4 深度学习发展历程
    1.5 本文的主要工作
第2章 深度学习理论
    2.1 人工神经网络
        2.1.1 多层感知器
        2.1.2 反向传播算法
    2.2 卷积神经网络
        2.2.1 基本网络结构
        2.2.2 卷积层
        2.2.3 池化层
        2.2.4 全连接层
        2.2.5 激活函数
        2.2.6 目标函数
    2.3 深度残差网络
    2.4 循环神经网络
    2.5 本章小结
第3章 基于深度残差网络的静态人脸表情识别
    3.1 引言
    3.2 算法整体框架
    3.3 图像预处理
        3.3.1 人脸检测
        3.3.2 人脸对齐
        3.3.3 人脸裁剪
        3.3.4 强度归一化
    3.4 局部二值模式
        3.4.1 传统LBP算法
        3.4.2 圆形LBP算法
        3.4.3 旋转不变LBP算法
    3.5 深度残差网络结构
    3.6 实验与分析
        3.6.1 网络模型训练
        3.6.2 不同层数残差网络的影响实验与分析
        3.6.3 不同LBP算子的影响实验与分析
        3.6.4 不同卷积神经网络的影响实验与分析
        3.6.5 FER2013数据集上的实验与分析
    3.7 本章小结
第4章 基于深度残差网络的图像序列人脸表情识别
    4.1 引言
    4.2 算法整体框架
    4.3 长短期记忆模型
        4.3.1 LSTM记忆单元
        4.3.2 LSTM网络结构
    4.4 实验与分析
        4.4.1 网络模型训练
        4.4.2 Cohn-Kanade数据集上的实验与分析
        4.4.3 AFEW6.0数据集上的实验与分析
    4.5 本章小结
第5章 结论与展望
    5.1 本文总结
    5.2 工作展望
参考文献
攻读学位期间取得的研究成果
致谢



本文编号：3810002