基于深度卷积神经网络的微笑表情识别

基于深度卷积神经网络的微笑表情识别

ID:35180653

大小:4.70 MB

页数:50页

时间:2019-03-21

基于深度卷积神经网络的微笑表情识别_第1页
基于深度卷积神经网络的微笑表情识别_第2页
基于深度卷积神经网络的微笑表情识别_第3页
基于深度卷积神经网络的微笑表情识别_第4页
基于深度卷积神经网络的微笑表情识别_第5页
资源描述:

《基于深度卷积神经网络的微笑表情识别》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、分类号TP391密级公开学号132251’■■圓講測imTnrmrmHJI硕it学位论文(学术型)题目基于深度卷积神经网络的微笑表情识别作者郑雪指导教师马苗教授-级学科名称计算机科学与技术二级学科名称计算机软件与理论提交日期二〇—六年五月学位论文原创性声明本人声明巧呈交的学位论文是我在导师的指导下进行研究工作巧巧得的研究成果,。尽我巧知除文中已经注明弓巧的内容和致巧的地方外.本论文不包含其他个人体已经发表过的研究成果,也不包爸本人或他人已申请学位或其他用途使用过的成果?对本文的研究巧出重要贡献的

2、个人巧集体,均已在文中作了明确巧明幷表示巧意?一t本学位论文^不侵犯他人权巧的,本人愿担刀相关的法津责任。作者《名:译夢日期:之口年各月日学位论文知识产权及使用授权声明书本人在导师指导下巧完成的学位论文及相关成果,巧识产段归属陕西师范?、大学本人完全了解陕西师带大学有关保存使用学位论文的规定,允巧本论文巧查闯和借阅,^^权保留学位论文并向国家有关部口11^^^鞍论文的纸质版巧电子版,有权将本论文的全部或部分内容编入有凝服库进行检索,可a采用任何复制手段保存扣?C謀本论文。本人巧证毕业离校盾,发襄本论文或使用本论文成果时署名单位化为陕西师

3、带大学。保密论文解密后适用^声明?曼作者空名:冲曰期=之口年各月曰摘要一人脸表情识别是情感识别的个重要研巧内容,而微笑作为人类基本表情之一,有着重要的研究价值。现有的人脸表情识别方法大多是针对实验室环境下的一正面人脸图像进行分析,通过采用种或多种特征融合的方法,但这种特征提取一方法会对部分重要信息造成定程度上的损失,且易受人脸姿态、尺度变化和噪声干扰,,还。因此要满足实际应用系统的要求有许多关键的问题亟待解决。本文针对自然场景下复杂多变的人脸图像,深入研究了用于微笑表情识别的。关键算法本文的主要内容及创新工作如下:0起来的卷积神经网络和

4、传统的人工神经网络进行对比研究,深)对最新发展入分析深度卷积神经网络的实现原理一。深度卷积神经网络的结构不同于般的多,,它的结构具有局部连接权值共享和下采样H个特点层人王神经网络。与其他特征提取方法相比,卷积神经网络具有自动学习恃征的能力,可W有效避免人工设计特征的复杂性及片面性,并且多维图像可W直接作为网络的输入,避免特征提取与目标分类过程中数据的重建。一口,提出了种图像预处理方法。该方法首先对)针对自然场景下的人脸图像图像进行灰度化处理,降低后续图像处理的复杂度,再根据人脸的五个关键点定位出对微笑表情识别起关键作用的嘴巴部分;其次,采用自适应亮度

5、调节对嘴己一图像进行亮度调节,并利用双H次插值法对图像大小进行归化,。最后实验结果表明,采用该预处理方法获取的嘴己图像对微笑表情识别有较好的效果。(3针对自然环境下的微笑图像,提出了基于深度卷积神经网络的微笑识别方)法-5-5。该方法首先对经典的卷积神经网络模型LeNet进行改进,利用改进LeNet模型从大量的训练样本中自动学习多层次的微笑特征,并用分类性能较好的SVMTFL和GENK-分类器进行分类。最后,在MI4K两个数据集上分别进行测试,实验表明所提方法具有较优越的分类性能和鲁棒性。;,人脸表情,卷积神鐘网络关键词微笑识别,支持向量机I

6、AbstractFaciii.ialexpresso打recognitionsa打mporta打tresearchtopicinemotio打analysisAs0打eof化ebasicexpressions,smileplaysa打importantrolein6义口化55;〇11化cognition.Most拉cialexressionreconitionmethodsdeaithftlimaiipglwronafacegesnconstranedenvironmentviaoneorm

7、orefeaturesililli,whchnotonynevkabyresutsnsome*buleadshemhiiinformationlosstosomeex1;enttalso1:etodsbesenstvetofaceose,,pscalestransformandnoise.TherefoK,t;ome巧therequirementsoft;hepracticalalicatstt

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。