近年來,隨著人工智能技術(shù)的發(fā)展,人們對人機(jī)交互提出了更高的要求:希望計算機(jī)能“感受”用戶的情緒,并做出相應(yīng)的反饋。作為識別情緒的重要方法,表情識別成為一個熱門的研究領(lǐng)域。表情識別技術(shù)廣泛應(yīng)用于人機(jī)交互、疲勞駕駛檢測等領(lǐng)域,具有重要的理論價值和廣泛的應(yīng)用前景。本文主要研究基于人臉分區(qū)特征融合的表情識別算法,具體內(nèi)容包括數(shù)據(jù)預(yù)處理、人臉分區(qū)選擇算法、基于卷積神經(jīng)網(wǎng)絡(luò)的表情識別以及基于支持向量機(jī)的表情識別。在數(shù)據(jù)預(yù)處理章節(jié)中,本文首先介紹了CK+、JAFFE和NVIE數(shù)據(jù)庫。對數(shù)據(jù)庫中的圖像,本文使用Open CV進(jìn)行人臉檢測,并使用Face++公司的API進(jìn)行了人臉特征點(diǎn)檢測。為提高圖像的對比度,本文對所有圖像進(jìn)行了直方圖均衡化。為校正歪斜的人臉,本文使用仿射變換的方法進(jìn)行人臉旋轉(zhuǎn)校正。最后,根據(jù)左眼在圖像中的位置,本文對人臉圖像進(jìn)行了空間歸一化。本文提出了基于相似度的分區(qū)選擇算法,其中相似度通過圖像間的平均哈希距離定義。使用該算法選出三種分區(qū):左眼分區(qū)、右眼分區(qū)以及嘴部分區(qū),其尺度分別為186像素、188像素和96像素。選擇出的分區(qū)具有背景區(qū)域小的特點(diǎn),該特點(diǎn)有利于提高表情識別的準(zhǔn)確率。... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

傳統(tǒng)機(jī)器學(xué)習(xí)方法與卷積神經(jīng)網(wǎng)絡(luò)方法在表情識別中的異同1.3主要研究內(nèi)容與組織結(jié)構(gòu)

第 1 章 緒 論實(shí)驗(yàn)將在 CK+數(shù)據(jù)庫，JAFFE 數(shù)據(jù)庫以及 NVIE[34-36]數(shù)據(jù)庫上進(jìn)行。本文不僅在各數(shù)據(jù)庫上單獨(dú)進(jìn)行實(shí)驗(yàn)，而且還將在三個數(shù)據(jù)庫融合的數(shù)據(jù)上進(jìn)行實(shí)驗(yàn)，以驗(yàn)證在數(shù)據(jù)差異較大的情況下，本文提出方法的效果。針對以上的主要研究內(nèi)容，本文研究內(nèi)容工作流程如圖 1-2 所示。

傷心，驚喜和中性。對每個受試者的每種表情，該數(shù)據(jù)庫含有 3-4 張圖像。該數(shù)據(jù)庫中的每張圖像中的表情都是比較強(qiáng)烈的，相當(dāng)于 CK+數(shù)據(jù)庫每個圖像序列的最后幾張圖像。在 CK+數(shù)據(jù)庫中，受試者基本為西方人。僅使用西方人的表情對算法進(jìn)行評價可能有偏差。本文也將使用東方人的表情數(shù)據(jù)評價算法的性能，探究本文的算法是否對跨文化差異的表情識別依然有效。雖然 JAFFE 數(shù)據(jù)集中均為東方人臉，但是它有一定的缺點(diǎn)。一方面，該數(shù)據(jù)庫較小，僅含 213 張圖像；另一方面，它僅包含女性受試者。因此，本文還將采用 NVIE 數(shù)據(jù)庫。NVIE 數(shù)據(jù)庫是用中國科技大學(xué)收集，包含 100 個受試者的 7 種表情。所有的受試者都是來自中國的學(xué)生，年齡分布在 17-31 歲。相比前兩個數(shù)據(jù)庫，該數(shù)據(jù)庫中的數(shù)據(jù)更為復(fù)雜。對每種表情，該數(shù)據(jù)庫包括了三種不同光照條件的圖像，光照方向分別為：正前方，左前方，右前方。除此之外，該數(shù)據(jù)庫還包括了受試者戴眼鏡和不帶眼睛條件下的表情圖像。這些因素將對表情識別的準(zhǔn)確率產(chǎn)生影響。實(shí)際上，該數(shù)據(jù)庫既包括可見光的圖像數(shù)據(jù)，又包括紅外圖像數(shù)據(jù)。本文僅使用可見光數(shù)據(jù)。圖 2-1 展示了三個數(shù)據(jù)庫中的一些表情圖像示例以及他們對應(yīng)的標(biāo)簽。


本文編號：3033773