基于深度卷积神经网络的微表情识别
发布时间：2021-08-25 05:52
微表情是一种不能被神经系统控制的短暂的面部表情。微表情表明一个人有意识地隐藏了自己的真实情感。微表情在公共安全和临床医学中具有很多潜在的应用。因为微表情很难被人肉眼识别出来,所以一些微表情的研究集中于让计算机自动识别微表情。本文所做的工作如下所示:1,本文提出了一种新的自动微表情识别算法,该算法结合了用于检测人脸关键点的深度多任务卷积网络和用于提取微表情光流特征的深度融合卷积网络。首先,使用深度多任务卷积网络来检测用于划分人脸面部区域的人脸关键点和其他影响因素。然后,使用融合卷积网络在人脸关键区域中提取光流特征,这些人脸关键区域在微表情出现时会有相应的肌肉变化。由于每个微表情视频片段都包含有很多帧,所以整个视频片段的原始光流特征会有很高的维度以及冗余的特征。本文改进了光流特征,减少了其中的冗余特征。最后,使用改进的光流算法提取了更精细的特征,并且使用支持向量机对微表情进行识别。在两个自发微表情数据库中的实验结果表明,本文提出的方法在微表情识别任务中取得了良好的效果。2,由于有的微表情数据库中包含有一些人脸尺寸较小的样本,因此本文将单幅图像超分辨率重建算法引入进了微表情识别任务中。本文提...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
METT软件Fig1.1MicroExpressionTrainingTool
直到 2006 年，Hinton 在前人的基础上提的能力，并且可以通过初始化权值的方法降低其计算网络开始复苏，并得到了良好的发展。2012 年深度神中获得了第一名的成绩[32]，获得了远超第二名的效果得到了广泛地关注。2014 年，DeepFace[33]是深度学习破，它使得深度学习在 LWF 数据库[34]中的人脸识别准确率。这掀起了深度神经网络的研究热潮。网络标注训练样本 x i ,y i 的监督学习问题，神经网络可以设形式： W ,bh x 。其中，W 代表神经网络的权值，b 代W 和b 来适应不同的数据。地描述神经网络，这里首先描述最简单的只包含一个一神经元如图 2.1 所示：
合肥工业大学学术硕士研究生学位论文 3,1TW b i iih x f W x f W x b ，其中 f 被称为激活函数，这里我们可以选择igmoid 函数作为激活函数，由公式(2.1)表示： 11 expf zz (2.1也可以选择如双曲正切函数（hyperbolic tangent function, tanh）作为激活函数公式(2.2)表示： tanh z zz ze ef z ze e (2.2.2.2 神经网络模型神经网络通过将许多简单的神经元连接组合在一起的结构，这样一个神经输出就可以成为神经元的输入。简单神经网络的结构示意图如图 2.2 所示：
【参考文献】：
期刊论文
[1]人脸微表情识别综述[J]. 徐峰,张军平. 自动化学报. 2017(03)
[2]微表情在欺骗检测中的应用[J]. 申寻兵,隋华杰,傅小兰. 心理科学进展. 2017(02)
[3]基于差分定位与光流特征提取的微表情识别[J]. 许刚,赵中原,谈元鹏. 计算机应用与软件. 2017(01)
[4]基于全局光流特征的微表情识别[J]. 张轩阁,田彦涛,颜飞,王美茜. 模式识别与人工智能. 2016(08)
[5]微表情分析技术在侦查讯问工作中的应用研究[J]. 彭玉伟. 中国刑事法杂志. 2015(02)
本文编号：3361531
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
METT软件Fig1.1MicroExpressionTrainingTool
直到 2006 年，Hinton 在前人的基础上提的能力，并且可以通过初始化权值的方法降低其计算网络开始复苏，并得到了良好的发展。2012 年深度神中获得了第一名的成绩[32]，获得了远超第二名的效果得到了广泛地关注。2014 年，DeepFace[33]是深度学习破，它使得深度学习在 LWF 数据库[34]中的人脸识别准确率。这掀起了深度神经网络的研究热潮。网络标注训练样本 x i ,y i 的监督学习问题，神经网络可以设形式： W ,bh x 。其中，W 代表神经网络的权值，b 代W 和b 来适应不同的数据。地描述神经网络，这里首先描述最简单的只包含一个一神经元如图 2.1 所示：
合肥工业大学学术硕士研究生学位论文 3,1TW b i iih x f W x f W x b ，其中 f 被称为激活函数，这里我们可以选择igmoid 函数作为激活函数，由公式(2.1)表示： 11 expf zz (2.1也可以选择如双曲正切函数（hyperbolic tangent function, tanh）作为激活函数公式(2.2)表示： tanh z zz ze ef z ze e (2.2.2.2 神经网络模型神经网络通过将许多简单的神经元连接组合在一起的结构，这样一个神经输出就可以成为神经元的输入。简单神经网络的结构示意图如图 2.2 所示：
【参考文献】：
期刊论文
[1]人脸微表情识别综述[J]. 徐峰,张军平. 自动化学报. 2017(03)
[2]微表情在欺骗检测中的应用[J]. 申寻兵,隋华杰,傅小兰. 心理科学进展. 2017(02)
[3]基于差分定位与光流特征提取的微表情识别[J]. 许刚,赵中原,谈元鹏. 计算机应用与软件. 2017(01)
[4]基于全局光流特征的微表情识别[J]. 张轩阁,田彦涛,颜飞,王美茜. 模式识别与人工智能. 2016(08)
[5]微表情分析技术在侦查讯问工作中的应用研究[J]. 彭玉伟. 中国刑事法杂志. 2015(02)
本文编号：3361531
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3361531.html
