基于深度学习的自然场景表情识别研究

发布时间：2020-12-20 21:08

　　自然场景表情识别旨在让计算机自动判断自然场景中人物的面部表情,从而感知对方所处的情绪状态和内心情感。作为现今情感计算领域的热门研究课题,自然场景表情识别不仅具有重要的理论研究价值,而且在人机交互、医疗健康、教育娱乐等方面有着广阔应用前景。在现实自然场景中,光照条件、人脸姿态、物体遮挡、环境背景噪声等因素均不受人为的控制,这些复杂外部变量使得传统表情识别技术捉襟见肘,对研究人员提出了更高的挑战。近年来基于深度学习的方法在计算机视觉领域大放异彩,刷新了传统方法在各类任务上的表现,在学术界和工业界中掀起了阵阵热潮。深度学习通过构建复杂深层网络,自主学习和挖掘数据中与目标任务紧密相关的具有更强表达能力或鉴别能力的特征,大幅提升模型的性能。在自然场景表情识别任务上,运用深度学习技术,由底层像素到高层情感语义深入地学习数据中更具判别性的特征,从而达到更好的识别性能。围绕这一研究目标,本文开展了如下工作:(1)提出基于深度卷积神经网络模型迁移的表情识别。在表情识别中,直接从初始状态训练一个深度卷积神经网络需要大量带标签的数据,然而目前自然场景表情数据库中样本数量有限,使得直接训练会导致过拟合问题。本... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：114 页

【学位级别】：博士

【部分图文】：

机器人Pepper识别他人表情[3]

图 1 - 2 Ekman 的上面部肌肉运动单元解剖学示意[15]表 1 - 1 上面部肌肉运动单元动单元编码解释 对应面部肌肉 毛内角 额肌（内侧） 毛外角 额肌（外侧） 低 鼻锥肌，降眉肌，皱眉肌 升和眼睑收缩 眼轮匝肌（眼眶） 紧 眼轮匝肌（眼睑） 人定义的六种基本表情外，Du 等人[16]借助 FAC生 15 种复合表情，如“高兴”和“惊讶”组合可定义在连续维度空间中，该定义方法由情绪维知的是 Russell[17]采用情绪词评价和归类法提出e)和唤醒度(Arousal)两个维度（也可称为愉悦度

东南大学博士学位论文Recognition 2013, FER-2013)[20]起，研究人员建立了越来越多的自然场景表情数据库，为该方向的研究提供了便利。自然场景表情数据与实验室场景数据有显著的区别，如图 1-3 所示，在实验室环境中，光照、背景、人脸与数据采集设备的位置、姿态和角度等都受到严格的控制，使外界因素的影响尽可能减小。而在自然场景中，由于各种不可控的主客观因素，采集到的数据更加复杂，表情识别难度进一步提升。对比实验室中的数据，自然场景表情数据有如下特点：

【参考文献】：
博士论文
[1]运动图像分析中的光流计算方法研究[D]. 卢宗庆.西安电子科技大学 2007



本文编号：2928555