基于CNN-RNN的微表情识别

发布时间：2021-10-18 16:05

　　人类的面部表情是人类表达情感的重要信息,对面部表情进行识别可促进对人心理状态的理解。相比于普通表情,它的持续时间非常短,通常只有1/25到1/3秒,且动作幅度非常小极难被人发现。微表情是一种无法抑制也无法隐藏的自发式表情,因此可作为判断人真实情感的重要依据,在心理咨询和国家安防等领域都有非常广泛的应用。微表情的人工识别需要受过相关培训的专业人员且识别准确率并不令人满意,因此微表情的自动识别近年逐渐成为计算机视觉领域的热点之一。但目前使用较多的传统微表情自动识别方法需要预先手动对浅层特征进行提取,人力物力的消耗极大,且存在特征提取不足等问题,导致识别效果并不理想。近年来深度学习因其突出的特征提取以及分类能力在图像识别领域取得了突破性进展,因此已有学者开始将深度学习方法应用于微表情识别问题且达到了比传统方法更好的识别效果,但识别率还有提升空间。为了进一步提升识别算法的性能,本文提出一种改进的深度学习模型对微表情的空间与时序特征进行特征提取,更好地完成微表情识别任务。本课题的主要内容有以下两个方面:（1）针对数据集中样本间帧数不统一的问题,对传统帧数归一化方法进行改进,提出一种基于卷积神经网... 

【文章来源】：哈尔滨工程大学黑龙江省 211工程院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

本文内容结构

此时即完成训练。训练好的感知机模型可以用来预测数据的分类，其模型如图2.1 所示。图 2.1 简单的感知机模型图中，nx 为感知机的输入，b 为感知机的偏置，nw 为权重项。n0i iiz w x b sign ( z)0w1w2wnw

图 2.2 人工神经网络的模型经网络主要分为三层结构，第一层是是隐藏层，包含隐藏神经元单元以及知机有很多种激活函数，对线性函数线性函数形式[40]。激活函数必须是可本文主要介绍 sigmoid 函数、双曲正函数。达式如式(2-7)所示。1( )1 exp( )f zz 如图 2.3 所示。0.70.80.91

【参考文献】：
期刊论文
[1]基于图像内容视觉感知的图像质量客观评价方法[J]. 姚军财,刘贵忠.  物理学报. 2018(10)
[2]图像质量评价:融合视觉特性与结构相似性指标[J]. 朱新山,姚思如,孙彪,钱永军.  哈尔滨工业大学学报. 2018(05)
[3]一个感知机神经网络字符识别器的实现[J]. 杨戈,张威强,黄静.  电子技术应用. 2015(03)
[4]人工神经网络研究现状及其展望[J]. 朱大奇.  江南大学学报. 2004(01)
[5]激活函数对BP网络性能的影响及其仿真研究[J]. 王雪光,郭艳兵,齐占庆.  自动化技术与应用. 2002(04)



本文编号：3443086