基于深度学习的人脸表情识别研究

《基于深度学习的人脸表情识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于深度学习的人脸表情识别研究作者姓名牛新亚学科专业通信与信息系统指导教师郭礼华副教授所在学院电子与信息学院论文提交日期2016年04月ResearchofDeepLearningforFacialExpressionRecognitionADissertationSubmittedfortheDegreeofMasterCandidate：NiuXinyaSupervisor：Prof.GuoLihuaSouthChinaUniversityofTechnologyGuangzhou,China分类号：TP391.4学校代号：10561学号：201320108500华南理工大学

2、硕士学位论文基于深度学习的人脸表情识别研究作者姓名：牛新亚指导教师姓名、职称：郭礼华副教授申请学位级别：工学硕士学科专业名称：通信与信息系统研究方向：计算机视觉与模式识别论文提交日期：2016年4月20日论文答辩日期：2016年6月3日学位授予单位：华南理工大学学位授予日期：2016年6月30日答辩委员会成员：杨丰教授，黄庆华教授，薛洋副教授，黄双萍副教授主席：杨丰教授委员：黄庆华教授，薛洋副教授，黄双萍副教授华南理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所．取得的研巧成果。除了文中特别加Ｗ标注引用的内容外，本论文不包含任何其他个人或

3、集体己经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体。本人完全意识到本声明的，均己在文中明确方式标明法律后果由本人承担。《作者签名今皆期南峰学位论文版权使用授权书吕：本学位论文作者完全了解学校有关保留、使用学位论文的规定，Ｐ研究生在校攻读学位期间论文工作的知识产权单位属华南理工大学。学校有权保存并向国家有关部口或机构送交论文的复印件和电子版，允许学位论文被查阅（除在保密期内的保密论文外）；学校可Ｗ公布学位论文的全、、部或部分内容，可Ｗ允许采用影印缩印或其它复制手段保存汇编学位一论文。本人电子文档的内容和纸质论文的内容相致。本学位论文属

4、于：□保密，在年解密后适用本授权书。同意在校园网上发布，供校内师生和与学校有共享协议的单位浏览；同意将本人学位论文提交中国学术期刊（光盘版）电子杂志社全文出版和编入ＣＮＫＩ《中国知识资源总库》，传播学位论文的全部或部分内容。＂＂（请在［＾上相应方框内打Ｖ）呵作者签名：年曰期：吁指导教师签追郭砰＾华日期：Ｗ巧作者联系电话：电子邮箱：摘要人脸表情可以传达非常丰富的情感信息，随着计算机技术在人们日常生活的普及，人脸表情识别在人机交互、家庭娱乐、公共安全甚至医疗等领域的应用前景更加广泛。近几十年来，深度学习领域的迅猛发展为各个领域带来了发展和突破的新机遇，

5、不同于传统手工提取特征的方法，研究人员可以通过机器学习的方法，获得自动学习并且泛化能力强的特征。所以本文针对人脸表情识别的特殊性，将深度学习应用于人脸表情识别。本文选取了深度学习中的深度卷积神经网络结构进行特征学习，为了解决人脸表情变化细微、不同表情间易混淆等难点，设计了以下五种网络结构：⑴为了增加表情图片中包含的信息，将图像从黑白映射成伪彩色，并设计一种基于伪彩图的卷积神经网络（PeakConvolutionalNeuralNetwork,PCNN），此网络结构是一种基于静态图像的外观特征的结构；⑵为了获取表情变化的动态信息，设计一种图像序列的3D外观的卷积神经网络（3DAppearanc

6、eNeuralNetwork,3DANN），此网络属于一种基于图像序列的外观特征的结构；⑶为了获取人脸面部五官几何约束关系，利用人脸关键点，设计一种基于3D几何的卷积神经网络（3DGeometryNeuralNetwork,3DGNN），此网络属于一种基于图像序列的几何特征的结构；⑷为了综合3DANN和3DGNN的优势，将这两个网络并行，设计一种并行3D外观和几何的卷积神经网络（3DAppearance-GeometryNeuralNetwork,3DAGN），此网络属于一种基于图像序列的外观和几何特征的结构；⑸为了增加表情峰值图像信息，在3DAGN并行网络基础增加PCNN网络，设计一种联合

7、帧内帧间信息的卷积神经网络（DeepPeak-Appearance-GeometryNeuralNetwork,DPAGN），此网络属于一种基于静态图像和图像序列的外观和几何特征的结构。本文的实验结果表明，本文提出的伪彩色增强和基于图像序列的3D卷积方法确实有利于解决表情识别问题，并且本文所提出的五种基于深度卷积神经网络的结构，在两个公开的人脸表情识别数据库都达到了较高的正确分类率。关键词：人脸表情识别；深度