基于特征点和迁移学习的人物表情识别技术研究

发布时间：2024-02-24 23:55

　　随着人工智能时代的到来,人机交互将成为未来生活中一个十分重要的部分。如何让计算机识别人类的情感成了人机交互中的重要研究课题。表情能够反映人类的内心情感,在人们的日常互动中有着举足轻重的地位,如何通过识别人脸表情从而赋予机器理解情感的能力将成为未来人机交互领域的研究趋势。目前已有很多研究者对表情识别进行了研究,也涌现了大量的研究成果。但是由于人脸表情存在个体差异,如人们不同的文化背景、肤色等,表情识别算法的结果往往不够理想;其次由于人脸图片拍摄角度的不同,也会一定程度上降低表情识别的精度;另外现有的表情数据库还存在数目较少、数据采集困难、标注的成本较大等问题,也会影响表情识别的效果。因此,如何提高表情识别模型的精度以及泛化能力,对实际应用下的表情识别仍然具有重要意义。本文从以下两个方面开展了表情识别技术的研究。第一,本文探索了基于人脸特征点的表情识别技术途径。这样的选择是基于以下考虑:首先,利用人脸特征点可以排除肤色,光照等的影响,有可能得到更加鲁棒的识别效果;其次,基于目前成熟的人脸特征点提取技术,能够设计出基于此的更加简单的神经网络结构,提高识别速度;最后,本文试图探索这样一个有趣的...

【文章页数】：86 页

【学位级别】：硕士

【部分图文】：

图2-1:表情识别流程

兰州大学硕士学位论文基于特征点和迁移学习的人物表情识别技术研究第二章表情识别相关技术2.1人脸面部表情识别主要由预处理、特征提取以及表情分类这三个步骤构成，如图2-1所示。真实环境下拍摄的人脸图像通常包含很多复杂的背景，因此对图片中的人脸表情进行识别的第一步就是要先通过人脸检测算....

图2-2:像素梯度计算示意图

兰州大学硕士学位论文基于特征点和迁移学习的人物表情识别技术研究Gy(x,y)=H(x,y+1)H(x,y1)(2.3)其中，Gx(x,y)为沿着(x,y)的水平方向的梯度值，Gy(x,y)为沿着(x,y)的垂直方向的梯度值。然后根据水平梯度和垂直梯度计算得到像素点H(x,y)的梯....

图2-3:矩形HOG示意图

兰州大学硕士学位论文基于特征点和迁移学习的人物表情识别技术研究Gy(x,y)=H(x,y+1)H(x,y1)(2.3)其中，Gx(x,y)为沿着(x,y)的水平方向的梯度值，Gy(x,y)为沿着(x,y)的垂直方向的梯度值。然后根据水平梯度和垂直梯度计算得到像素点H(x,y)的梯....

图2-4:HOG-SVM算法的人脸检测结果（第一

l构成一个块（block），主要有两种类型的块（block）：矩形块（R-HOG）和圆形块（C-HOG）。如图2-3为矩形HOG的示意图。通过将每个块（block）内的单元（cell）向量组合便可以得到N×K维的特征向量。（5）计算图像的HOG特征。然后选择合适的扫描步长,从图像....

本文编号：3909746