隨著深度學習的快速發(fā)展,人的面部表情研究成為了一個熱點研究話題。表情識別屬于模式識別領域,對國防安全,兒童教育,心理學有著重要的應用價值。為此,人們一直期望能夠通過機器準確地識別人臉表情。同時面部表情作為最有力的社交信號之一,在日常生活交流中能夠幫助理解對方的內心情感。然而在人類的基本表情中,微笑是人類內心喜悅的體現(xiàn),微笑也是人類交流中最常見的表達方式之一。微笑檢測作為基本人臉表情中一項特定工作,在心理學還有人的行為分析方面有著巨大的潛在應用價值,同時微笑檢測對孤獨癥患病兒童的早期干預和診斷尤為重要。為此針對上述問題,將展開對二分類的微笑檢測和七分類人臉表情識別算法的研究以及七類表情識別系統(tǒng)的搭建,本文的主要工作如下:（1）建立兒童微笑表情數(shù)據(jù)庫。詳細介紹了兒童微笑表情數(shù)據(jù)庫的建庫流程,對網(wǎng)絡爬蟲、人工標注、圖像預處理等操作進行詳細介紹;從網(wǎng)絡爬蟲的大量圖片,經(jīng)過專業(yè)的人工標注和圖像預處理之后,從中挑選了2804張兒童表情圖片,其中兒童笑臉有1445張,非微笑有1359張,最后完成建庫工作。（2）兒童微笑表情識別的研究。目前國內外公開的兒童笑表情數(shù)據(jù)庫寥寥無幾,由于多數(shù)微笑表情庫是包含... 

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 基于傳統(tǒng)方法表情識別算法研究現(xiàn)狀
        1.2.2 基于深度學習表情識別算法研究現(xiàn)狀
    1.3 本文的研究工作和組織框架
        1.3.1 本文的主要研究工作
        1.3.2 本文的組織框架
第二章 兒童微笑表情圖像數(shù)據(jù)庫的建立
    2.1 引言
    2.2 國內外現(xiàn)有表情數(shù)據(jù)庫及技術挑戰(zhàn)
    2.3 數(shù)據(jù)庫建庫流程
    2.4 數(shù)據(jù)庫的建立
        2.4.1 網(wǎng)絡爬蟲
        2.4.2 人工標注
        2.4.3 圖像預處理
    2.5 本章小結
第三章 基于深度卷積神經(jīng)網(wǎng)絡的微笑檢測算法
    3.1 引言
    3.2 基于VGGNet網(wǎng)絡的笑臉識別
        3.2.1 網(wǎng)絡模型結構
        3.2.2 模型配置參數(shù)
    3.3 基于BRNet網(wǎng)絡的笑臉識別
        3.3.1 構建損失函數(shù)
        3.3.2 網(wǎng)絡結構的設計
    3.4 基于殘差網(wǎng)絡的笑臉識別
        3.4.1 殘差網(wǎng)絡的結構
        3.4.2 殘差網(wǎng)絡的訓練
    3.5 實驗結果及分析
        3.5.1 GENKI-4K笑臉數(shù)據(jù)庫上的實驗
        3.5.2 自建兒童笑臉庫上的實驗
    3.6 本章小結
第四章 基于卷積神經(jīng)網(wǎng)絡的人臉表情識別系統(tǒng)搭建
    4.1 引言
    4.2 基于卷積神經(jīng)網(wǎng)絡的人臉表情識別系統(tǒng)的構建
        4.2.1 整體網(wǎng)絡結構
        4.2.2 卷積神經(jīng)網(wǎng)絡的搭建
        4.2.3 卷積神經(jīng)網(wǎng)絡模型訓練
    4.3 算法設計流程
    4.4 實驗結果與分析
        4.4.1 數(shù)據(jù)庫介紹
        4.4.2 實驗參數(shù)設定
        4.4.3 實驗結果分析
    4.5 人臉表情識別系統(tǒng)的搭建
        4.5.1 硬件配置環(huán)境
        4.5.2 軟件配置環(huán)境
        4.5.3 深度學習框架安裝
        4.5.4 表情識別系統(tǒng)搭建
        4.5.5 界面設計
        4.5.6 界面主要功能
    4.6 本章小結
第五章 總結與展望
    5.1 本文工作總結
    5.2 后續(xù)研究討論
參考文獻
致謝
作者簡介


【參考文獻】：
期刊論文
[1]地質領域機器學習、深度學習及實現(xiàn)語言[J]. 周永章,王俊,左仁廣,肖凡,沈文杰,王樹功.  巖石學報. 2018(11)
[2]人工智能在計算機視覺及網(wǎng)絡領域中的應用[J]. 張大巍.  電子技術與軟件工程. 2018(11)
[3]一種基于TuriCreate和OpenCV的實時圖像識別系統(tǒng)設計[J]. 羅伊杭,羅詩光,潘與維,楊歡,韋金嬌.  電子測試. 2018(10)
[4]基于Python+Pandas+Matplotlib的學生成績數(shù)據(jù)統(tǒng)計與圖形輸出實現(xiàn)[J]. 劉雨珂,王平.  福建電腦. 2017(11)
[5]深度學習技術教育應用:現(xiàn)狀和前景[J]. 劉勇,李青,于翠波.  開放教育研究. 2017(05)
[6]構建多尺度深度卷積神經(jīng)網(wǎng)絡行為識別模型[J]. 劉智,黃江濤,馮欣.  光學精密工程. 2017(03)
[7]基于深度卷積神經(jīng)網(wǎng)絡的圖像檢索算法研究[J]. 劉海龍,李寶安,呂學強,黃躍.  計算機應用研究. 2017(12)
[8]深度卷積神經(jīng)網(wǎng)絡在計算機視覺中的應用研究綜述[J]. 盧宏濤,張秦川.  數(shù)據(jù)采集與處理. 2016(01)
[9]基于主成分分析和Softmax回歸模型的人臉識別方法[J]. 汪海波,陳雁翔,李艷秋.  合肥工業(yè)大學學報(自然科學版). 2015(06)
[10]基于混淆矩陣的證據(jù)可靠性評估[J]. 宋亞飛,王曉丹,雷蕾.  系統(tǒng)工程與電子技術. 2015(04)



本文編號：3673678