基于深度语义的非约束环境表情识别研究

发布时间：2024-01-30 02:12

　　人脸表情包含着丰富的情感信息,是人类情感表达的重要表现形式。随着图像处理和机器视觉技术的快速发展,面向情感计算、心理分析等视觉研究的热度与日俱增。表情识别在在线教育、智能商业、公共安全等领域都有着广泛的应用前景。虽然当前在实验室约束环境下的人脸表情识别技术已经相对成熟,但实际应用中,人脸表情会受到光线、遮挡等因素影响,同时人们对自然场景下表情识别精度的需求不断增长,因而非约束环境下的表情识别正在成为机器视觉领域的研究热点。目前,对于非约束环境下人脸表情识别的研究内容主要是针对姿态、遮挡、光照三类要素分别进行研究,尚未有统一的表情识别模型能够同时解决上述多个问题。对此,本文基于深度学习方法提出两种非约束环境下人脸表情识别的通用模型,通过增强模型的表征学习能力和泛化能力,解决了因姿态、遮挡、光照造成的识别精度低的问题。本文的具体研究工作和创新点如下:(1)提出一种基于特征融合的注意力双线性池化模型(Feature Fusion Attention Bilinear Pooling Model,FFABP)。本文将注意力机制引入双线性池化模型,提出一种注意力增强的双线性池化模型。一方面,利用...

【文章页数】：66 页

【学位级别】：硕士

图2.1CNN基本结构图

图2.2卷积操作过程

图2.3最大值池化过程

图2.4均值池化过程

本文编号：3889299