資源描述：
《基于深度學(xué)習(xí)的人臉面部情感識別的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、碩士學(xué)位論文基于深度學(xué)習(xí)的人臉面部情感識別的研究RESEARCHONFACIALEXPRESSIONRECOGNITIONBASEDONDEEPNEURALNETWORKS劉元震哈爾濱工業(yè)大學(xué)2016年12月萬方數(shù)據(jù)國內(nèi)圖書分類號：T391.4學(xué)校代碼：10213國際圖書分類號：621.3密級：公開工程碩士學(xué)位論文基于深度學(xué)習(xí)的人臉面部情感識別的研究碩士研究生：劉元震導(dǎo)師：張乃通教授申請學(xué)位：工程碩士學(xué)科：電子與通信工程所在單位：深圳研究生院答辯日期：2016年12月授予學(xué)位單位：哈爾濱工業(yè)大學(xué)萬方數(shù)據(jù)ClassifiedIndex:T391.4U.D.C:621.3Disserta
2、tionfortheMaster’sDegreeinEngineeringRESEARCHONFACIALEXPRESSIONRECOGNITIONBASEDONDEEPNEURALNETWORKSCandidate：LiuYuanzhenSupervisor：Prof.ZhangNaitongAcademicDegreeAppliedfor：Master’sofEngineeringSpeciality：ElectronicsandCommunicationsEngineeringAffiliation：ShenzhenGraduateSchoolDateofDefence：Dec
3、ember,2016Degree-Conferring-Institution：HarbinInstituteofTechnology萬方數(shù)據(jù)哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文摘要隨著人工智能的發(fā)展，情緒識別的應(yīng)用場景越來越廣泛，典型的有廣告效果評估、產(chǎn)品評測、視頻分析、醫(yī)療康復(fù)、安全駕駛以及情感機器人等。目前，情緒識別在人機交互領(lǐng)域發(fā)展特別快，尤其是在安全駕駛、情感機器人應(yīng)用上，讓機器更好的理解人、更加智能和人性化的為人類服務(wù)是近期人工智能革命的根本。機器逐漸學(xué)習(xí)到足夠的情感認知能力以后，就可以在人機交互中對用戶體驗進行一系列升級，最終，使機器能像普通人一樣融入人類生活。情緒識別廣義上
4、可以通過表情、語音語調(diào)或者腦電捕捉等進行。目前技術(shù)上最成熟、得到廣泛應(yīng)用的是表情識別技術(shù)，也就是基于計算機視覺算法，識別人臉的表情動作和推斷喜怒哀樂等基本情緒。因為不同人表達感情程度存在偏差，自動面部表情識別（FacialExpressionRecognition，F(xiàn)ER）在計算機視覺中仍然是一個具有挑戰(zhàn)性和有趣的問題。盡管在開發(fā)用于FER的各種方法方面做出了努力，但是當(dāng)處理未標注的或在自然環(huán)境中捕獲的那些圖片時，現(xiàn)有的方法缺乏普適性。大多數(shù)現(xiàn)有方法基于手工特征（例如梯度直方圖，局部二值模式和Gabor特征描述算子），然后結(jié)合分類器（如支持向量機），其中分類器的超參數(shù)被優(yōu)化以在單個數(shù)
5、據(jù)庫或類似數(shù)據(jù)庫的小集合中給出最佳識別精度。不同特征描述算子對不同背景下的表情圖像的表征能力存在偏差，必須針對特定背景圖像找到最合適的特征描述算子，這大大增加了工作復(fù)雜度。而深度學(xué)習(xí)可以自動學(xué)習(xí)面部特征，并且屬于端到端模型，即特征學(xué)習(xí)和分類在一個模型下完成。本文基于谷歌提出的inception結(jié)構(gòu)提出了一個深層神經(jīng)網(wǎng)絡(luò)架構(gòu)，以解決在不同背景圖像需要尋找不同特征描述算子的問題，并精簡模型使之能夠成功應(yīng)用到移動端。具體來說，我們的網(wǎng)絡(luò)由兩個卷積層組成，每個層之后是最大池，緊接著是三個inception層。網(wǎng)絡(luò)是單個組件架構(gòu)，其將注冊的面部圖像作為輸入并將其分類為六個基本表情或中性表情中的
6、任一個。本文對七個公開可用的面部表情數(shù)據(jù)庫（MultiPIE、MMI、CK+、DISFA、FERA、SFEW和FER2013）進行了全面的實驗。主要對比分析了基于傳統(tǒng)特征的學(xué)習(xí)方法和基于深度學(xué)習(xí)方法在不同數(shù)據(jù)庫上的泛化能力，實驗表明基于深度學(xué)習(xí)的方法泛化能力要好于基于傳統(tǒng)特征的學(xué)習(xí)方法；此外，還與目前主流的模型諸如VGG、GoogleNet、ResNet等模型在表情識別任務(wù)上做了對比進一步說明了基于inception的結(jié)構(gòu)在保證表情識別準確率的前提下，可以盡量精簡模型大小。關(guān)鍵詞：表情識別；特征；支持向量機；卷積神經(jīng)網(wǎng)絡(luò)-I-萬方數(shù)據(jù)哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文AbstractWi
7、ththedevelopmentofartificialintelligence,theapplicationofemotionrecognitionscenemoreandmorewidely,thetypicaladvertisingeffectivenessevaluation,productevaluation,videoanalysis,medicalrehabilitation,safedrivingandemotionalrobot.Atpr
