人脸表情识别特征提取及分类判别方法的研究与实现

发布时间：2024-02-22 03:01

　　表情是人类表达情感的基本方式,是非语言交流的重要手段。在日常交流中,人们可以通过对人脸表情准确、细致的分析,辨识出对方的心理,进行更加有效的沟通。随着计算机科学技术的不断发展,人机交互技术日益成为人工智能领域中研究的热点。而人脸表情识别作为人机交互技术的重要环节,因为其广泛的应用前景,收到了越来越广泛的关注。目前的人脸表情识别系统的识别准确率并不高,且对于现实场景下检测到的复杂人脸图像不能做出有效处理。本文将对人脸表情的特征提取及分类识别环节进行研究分析,并设计出新的人脸表情识别模型,从而实现人脸表情识别的高精度和高鲁棒性。由于近年来深度学习方法广泛应用于模式识别和分类任务,其中,卷积神经网络方法在图像分类和人脸识别领域展现出了强大的性能,适用于本文将要研究的表情提取及表情分类环节。因此,本文设计的人脸表情识别模型将在卷积神经网络的基础上,进行针对于提升人脸表情识别效果的改进。本文的具体工作和主要贡献如下:(1)由于不同的姿势、角度、照明、遮挡会在人脸表情获取时产生的额外冗余特征。为了避免利用卷积神经网络进行人脸表情识别时被这些冗余特征干扰,本文提出了一种基于多任务学习的人脸表情特征提...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
ABSTRACT
1 引言
    1.1 选题背景与意义
    1.2 人脸表情识别研究现状
        1.2.1 国内外研究现状
        1.2.2 人脸表情识别的应用发展
    1.3 人脸表情识别系统概述
        1.3.1 表情特征的提取方法
        1.3.2 表情的分类判别方法
    1.4 表情识别的挑战
    1.5 本文主要工作
    1.6 论文章节安排
2 卷积神经网络的理论基础
    2.1 卷积神经网络在人脸表情识别领域的应用
    2.2 人工神经网络
        2.2.1 神经元
        2.2.2 神经网络模型
        2.2.3 反向传播算法
    2.3 卷积神经网络
        2.3.1 卷积层
        2.3.2 池化层
        2.3.3 全连接层和Softmax分类器
    2.4 卷积神经网络的反向传播算法
    2.5 本章总结
3 基于多任务学习的人脸表情特征提取
    3.1 多任务学习
    3.2 人脸特征点定位
    3.3 数据处理
        3.3.1 数据集
        3.3.2 数据集的预处理
    3.4 利用MTCNN的人脸表情识别
        3.4.1 MtCNN的特征学习
        3.4.2 结合人脸特征点定位的多任务学习模型
    3.5 模型的训练
        3.5.1 人脸表情识别任务
        3.5.2 人脸面部特征点定位任务
        3.5.3 多任务训练
    3.6 实验结果与分析
        3.6.1 人脸表情识别实验
        3.6.2 人脸特征点定位效果验证
    3.7 本章总结
4 基于级联多网络的人脸表情识别
    4.1 总体设计框架
    4.2 级联网络的人脸表情识别实验
        4.2.1 级联网络的训练
        4.2.2 多网络权重学习
        4.2.3 实验结果与分析
    4.3 模型的优化分析
        4.3.1 小批量梯度下降
        4.3.2 Dropout
        4.3.3 网络动量
    4.4 本章总结
5 总结与展望
    5.1 工作总结
    5.2 未来展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集



本文编号：3906293