微表情是一種不能被神經系統(tǒng)控制的短暫的面部表情。微表情表明一個人有意識地隱藏了自己的真實情感。微表情在公共安全和臨床醫(yī)學中具有很多潛在的應用。因為微表情很難被人肉眼識別出來,所以一些微表情的研究集中于讓計算機自動識別微表情。本文所做的工作如下所示:1,本文提出了一種新的自動微表情識別算法,該算法結合了用于檢測人臉關鍵點的深度多任務卷積網絡和用于提取微表情光流特征的深度融合卷積網絡。首先,使用深度多任務卷積網絡來檢測用于劃分人臉面部區(qū)域的人臉關鍵點和其他影響因素。然后,使用融合卷積網絡在人臉關鍵區(qū)域中提取光流特征,這些人臉關鍵區(qū)域在微表情出現時會有相應的肌肉變化。由于每個微表情視頻片段都包含有很多幀,所以整個視頻片段的原始光流特征會有很高的維度以及冗余的特征。本文改進了光流特征,減少了其中的冗余特征。最后,使用改進的光流算法提取了更精細的特征,并且使用支持向量機對微表情進行識別。在兩個自發(fā)微表情數據庫中的實驗結果表明,本文提出的方法在微表情識別任務中取得了良好的效果。2,由于有的微表情數據庫中包含有一些人臉尺寸較小的樣本,因此本文將單幅圖像超分辨率重建算法引入進了微表情識別任務中。本文提... 

【文章來源】：合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校

【文章頁數】：83 頁

【學位級別】：碩士

【部分圖文】：

METT軟件Fig1.1MicroExpressionTrainingTool

直到 2006 年，Hinton 在前人的基礎上提的能力，并且可以通過初始化權值的方法降低其計算網絡開始復蘇，并得到了良好的發(fā)展。2012 年深度神中獲得了第一名的成績[32]，獲得了遠超第二名的效果得到了廣泛地關注。2014 年，DeepFace[33]是深度學習破，它使得深度學習在 LWF 數據庫[34]中的人臉識別準確率。這掀起了深度神經網絡的研究熱潮。網絡標注訓練樣本 x i ,y i 的監(jiān)督學習問題，神經網絡可以設形式： W ,bh x 。其中，W 代表神經網絡的權值，b 代W 和b 來適應不同的數據。地描述神經網絡，這里首先描述最簡單的只包含一個一神經元如圖 2.1 所示：

合肥工業(yè)大學學術碩士研究生學位論文 3,1TW b i iih x f W x f W x b ，其中 f 被稱為激活函數，這里我們可以選擇igmoid 函數作為激活函數，由公式(2.1)表示： 11 expf zz (2.1也可以選擇如雙曲正切函數（hyperbolic tangent function, tanh）作為激活函數公式(2.2)表示： tanh z zz ze ef z ze e (2.2.2.2 神經網絡模型神經網絡通過將許多簡單的神經元連接組合在一起的結構，這樣一個神經輸出就可以成為神經元的輸入。簡單神經網絡的結構示意圖如圖 2.2 所示：

【參考文獻】：
期刊論文
[1]人臉微表情識別綜述[J]. 徐峰,張軍平.  自動化學報. 2017(03)
[2]微表情在欺騙檢測中的應用[J]. 申尋兵,隋華杰,傅小蘭.  心理科學進展. 2017(02)
[3]基于差分定位與光流特征提取的微表情識別[J]. 許剛,趙中原,談元鵬.  計算機應用與軟件. 2017(01)
[4]基于全局光流特征的微表情識別[J]. 張軒閣,田彥濤,顏飛,王美茜.  模式識別與人工智能. 2016(08)
[5]微表情分析技術在偵查訊問工作中的應用研究[J]. 彭玉偉.  中國刑事法雜志. 2015(02)



本文編號：3361531