更新时间:11-05 上传会员:溪老师
分类:科技学院 论文字数:15208 需要金币:2000个
摘要:人脸表情能够真实地反映人的内心活动,人的喜怒哀乐都能够通过表情充分的体现出来,人脸表情的识别在人工智能领域具有重要的研究意义,在日常生活中也有其应用价值。目前,人脸表情识别技术已经成为一项极具发展潜力的前沿技术,也是当前计算机视觉领域的研究热点。
文中对基于卷积神经网络的人脸表情识别进行了研究,具体工作有以下几个部分:对于人脸检测部分,文中介绍了基于知识规则、基于特征、基于模板匹配、以及基于统计模型四中常用的方法,而本文中的人脸检测都是用V-J检测器来进行检测的。对于表情识别部分,文中要研究通过卷积神经网络来实现高兴、悲伤、愤怒、沮丧、恐惧以及惊讶6种表情的识别。本文使用keras来搭建深度学习框架,构建的神经网络包含卷基层、池化层、激活层以及全连接层,分类器使用的是softmax。用标准数据库中的图像数据作为输入,经过神经网络中各个层的处理,最后通过softmax输出与6种表情相对应的概率,一般认为概率最大的表情就是输入图像中人脸的表情。人脸表情反映了人的心理情绪,对人脸表情的精确识别能够准确掌握对象的心理变化。掌握了对象的心理变化,在现实生活中,人们可以做出更合理的决策,在机器学习领域,机器也可以做出合理的预测,从而实现智能化。
关键词:卷积神经网络、表情识别、人脸检测、图像处理
目录
摘要
ABSTRACT
1绪论-1
1.1研究的背景和意义-1
1.2国内外研究现状-1
1.2.1国外研究现状-1
1.2.2国内研究现状-2
1.3课题的研究目标、内容和技术要求-3
1.4论文组织结构-3
2人脸检测-5
2.1图像预处理-5
2.1.1灰度化-5
2.1.2直方图均衡化-5
2.1.3图像平滑-6
2.1.4图像锐化-7
2.2V-J检测器-8
2.2.1常用检测方法-8
2.2.2V-J检测器-8
3表情识别-11
3.1卷积神经网络简介-11
3.2卷积神经网络的基本结构-12
3.2.1Convolution layer(卷积层)-12
3.2.2Pooling layer(池化层)-12
3.2.3Relu Layer(激活函数层)-13
3.2.4Fully connected layers(全连接层)-13
3.2.5softmax回归-14
3.3创建卷积神经网络-14
3.4卷积神经网络环境的搭建-15
3.4.1导入库和模块-15
3.4.2加载图片数据-16
3.4.3输入数据预处理-16
3.4.4预处理类标签-16
3.4.5定义模型架构-16
3.4.6编译模型-17
3.4.7用训练数据进行模型拟合-17
3.4.8用测试数据评估模型-18
3.5实验的实施-18
3.5.1keras简单介绍-18
3.5.2Linux下配置环境-18
4实验结果及分析-22
4.1标准数据库-22
4.2人脸检测-23
4.3表情识别-23
5总结与展望-29
参 考 文 献-30
致 谢-32