基于深度卷积神经网络的人脸表情识别算法研究

发布时间：2024-03-28 05:29

　　人脸表情识别在模式识别、情感计算等领域占据重要地位,深度学习的兴起为研究人脸表情识别带来了新的契机。这些年来,表情识别受到越来越多的关注。深度卷积神经网络虽然学习能力强,但是不适用于现实环境。而网络层数较少的神经网络运算速率快,但是表征能力不强。深度学习模型识别率与实时性的平衡问题是当前的一个难点。另外,在实验室条件下的数据集上,卷积神经网络的应用性能接近饱和。而非实验室条件下的识别性能仍待提升,主要是由于非实验室条件下的数据集中含有一定比例的遮挡、光照不足和头部姿势多变的样本。虽然深度学习的方法比人工设定特征效果好,但根据实际情况选择合适的网络仍然是一个棘手的难题。因此,本文围绕现存在的问题,提出了自己的解决方案。(1)提出了基于特征融合的轻量化卷积神经网络。将网络划分成不同的模块,分别在模块内部和模块之间加入密集连接,重复利用已有特征,保留关键信息并将信息传递到后面的网络中。网络中加入卷积核大小为1x1的卷积层和深度可分离卷积,降低网络的时间复杂度、空间复杂度。因为表情特征比较细微,联合使用Island损失函数训练卷积神经网络,扩大类间距离,减少表情类内差距。网络在保证识别率的基础...

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

图１－１左边为六种基本表情，右边为中性表情??

生气（Ａｎｇｒｙ），惊讶（Ｓｕｒｐｒｉｓｅ），厌恶（Ｄｉｓｇｕｓｔ）和恐惧（Ｆｅａｒ）。为了与这六??种基本表情进行比较，一般还定义了一种没有任何表情的面部状态，将之称为中??性表情（Ｎｅｕｔｒａｌ），这七种面部表情的示例图片如图１－１所示。用Ｅｋｍａｎ自己??的话来说，“这六种....

图１－２表情特征提取（图片来自方法［１２］）

出的一种基于点分布（Ｐｏｉｎｔ?Ｄｉｓｔｒｉｂｕｔｉｏｎ?Ｍｏｄｅｌ，ＰＤＭ）的特征匹配方法，通常??用于模拟图像中物体的外观和形状变化。ＡＳＭ通过将合适的ＰＤＭ拟合到感兴趣??的对象上，从而同时确定对象的形状、比例和姿态。如图１－３所示，在人脸识别??相关的任务中，可以使用ＡＳ....

图１－３使用ＡＳＭ的面部特征表示（图片来自方法［１５］）??

（ａ）?（ｂ）??图１－２表情特征提取（图片来自方法［１２］）。（ａ）提取几何特征的多状态??模型。（ｂ）计算外观特征的位置。??２）主动形状模型??主动形状模型（ＡｃｔｉｖｅＳｈａｐｅ?Ｍｏｄｅｌｓ，ＡＳＭ）是?Ｃｏｏｔｅｓ?等人［１４］于?１９９５?年提??出的一种基于点分布....

图１－４输入图像和它对应的ＬＢＰ图像以及ＬＢＰ直方图??

的像素点标记为１，比阈值小的像素点标记为０。将这些标记的值的２次幂求和??就获得了中心像素点的标签。由于中心点的邻域由８个像素组成，所以总共可以??获得２８?＝?２５６个不同的标签。图１－４显示了?ＬＢＰ图像和它的直方图。??在经典ＬＢＰ算子基础上，Ｏｊａｌａ等人开发出一个更加通....

本文编号：3941074