基于深度學習的人臉表情識別研究

《基于深度學習的人臉表情識別研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。

1、碩士學位論文基于深度學習的人臉表情識別研究作者姓名牛新亞學科專業(yè)通信與信息系統指導教師郭禮華副教授所在學院電子與信息學院論文提交日期2016年04月ResearchofDeepLearningforFacialExpressionRecognitionADissertationSubmittedfortheDegreeofMasterCandidate：NiuXinyaSupervisor：Prof.GuoLihuaSouthChinaUniversityofTechnologyGuangzhou,China分類號：TP391.4學校代號：10561學號：201320108500華南理工大學

2、碩士學位論文基于深度學習的人臉表情識別研究作者姓名：牛新亞指導教師姓名、職稱：郭禮華副教授申請學位級別：工學碩士學科專業(yè)名稱：通信與信息系統研究方向：計算機視覺與模式識別論文提交日期：2016年4月20日論文答辯日期：2016年6月3日學位授予單位：華南理工大學學位授予日期：2016年6月30日答辯委員會成員：楊豐教授，黃慶華教授，薛洋副教授，黃雙萍副教授主席：楊豐教授委員：黃慶華教授，薛洋副教授，黃雙萍副教授華南理工大學學位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導師的指導下獨立進行研究所．取得的研巧成果。除了文中特別加Ｗ標注引用的內容外，本論文不包含任何其他個人或

3、集體己經發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻的個人和集體。本人完全意識到本聲明的，均己在文中明確方式標明法律后果由本人承擔。《作者簽名今皆期南峰學位論文版權使用授權書呂：本學位論文作者完全了解學校有關保留、使用學位論文的規(guī)定，Ｐ研究生在校攻讀學位期間論文工作的知識產權單位屬華南理工大學。學校有權保存并向國家有關部口或機構送交論文的復印件和電子版，允許學位論文被查閱（除在保密期內的保密論文外）；學校可Ｗ公布學位論文的全、、部或部分內容，可Ｗ允許采用影印縮印或其它復制手段保存匯編學位一論文。本人電子文檔的內容和紙質論文的內容相致。本學位論文屬

4、于：□保密，在年解密后適用本授權書。同意在校園網上發(fā)布，供校內師生和與學校有共享協議的單位瀏覽；同意將本人學位論文提交中國學術期刊（光盤版）電子雜志社全文出版和編入ＣＮＫＩ《中國知識資源總庫》，傳播學位論文的全部或部分內容。＂＂（請在［＾上相應方框內打Ｖ）呵作者簽名：年曰期：吁指導教師簽追郭砰＾華日期：Ｗ巧作者聯系電話：電子郵箱：摘要人臉表情可以傳達非常豐富的情感信息，隨著計算機技術在人們日常生活的普及，人臉表情識別在人機交互、家庭娛樂、公共安全甚至醫(yī)療等領域的應用前景更加廣泛。近幾十年來，深度學習領域的迅猛發(fā)展為各個領域帶來了發(fā)展和突破的新機遇，

5、不同于傳統手工提取特征的方法，研究人員可以通過機器學習的方法，獲得自動學習并且泛化能力強的特征。所以本文針對人臉表情識別的特殊性，將深度學習應用于人臉表情識別。本文選取了深度學習中的深度卷積神經網絡結構進行特征學習，為了解決人臉表情變化細微、不同表情間易混淆等難點，設計了以下五種網絡結構：⑴為了增加表情圖片中包含的信息，將圖像從黑白映射成偽彩色，并設計一種基于偽彩圖的卷積神經網絡（PeakConvolutionalNeuralNetwork,PCNN），此網絡結構是一種基于靜態(tài)圖像的外觀特征的結構；⑵為了獲取表情變化的動態(tài)信息，設計一種圖像序列的3D外觀的卷積神經網絡（3DAppearanc

6、eNeuralNetwork,3DANN），此網絡屬于一種基于圖像序列的外觀特征的結構；⑶為了獲取人臉面部五官幾何約束關系，利用人臉關鍵點，設計一種基于3D幾何的卷積神經網絡（3DGeometryNeuralNetwork,3DGNN），此網絡屬于一種基于圖像序列的幾何特征的結構；⑷為了綜合3DANN和3DGNN的優(yōu)勢，將這兩個網絡并行，設計一種并行3D外觀和幾何的卷積神經網絡（3DAppearance-GeometryNeuralNetwork,3DAGN），此網絡屬于一種基于圖像序列的外觀和幾何特征的結構；⑸為了增加表情峰值圖像信息，在3DAGN并行網絡基礎增加PCNN網絡，設計一種聯合

7、幀內幀間信息的卷積神經網絡（DeepPeak-Appearance-GeometryNeuralNetwork,DPAGN），此網絡屬于一種基于靜態(tài)圖像和圖像序列的外觀和幾何特征的結構。本文的實驗結果表明，本文提出的偽彩色增強和基于圖像序列的3D卷積方法確實有利于解決表情識別問題，并且本文所提出的五種基于深度卷積神經網絡的結構，在兩個公開的人臉表情識別數據庫都達到了較高的正確分類率。關鍵詞：人臉表情識別；深度