發(fā)布時(shí)間：2023-09-28 22:32

　　微表情是一種自發(fā)式的表情,在人們?cè)噲D隱藏自身真實(shí)情感時(shí)產(chǎn)生,既無(wú)法偽造,也無(wú)法抑制,可以用來(lái)揣度一個(gè)人的真實(shí)心理狀態(tài),微表情識(shí)別在臨床醫(yī)學(xué)、刑偵、公共安全等領(lǐng)域具有重要的應(yīng)用價(jià)值。本文對(duì)基于卷積神經(jīng)網(wǎng)絡(luò)的微表情識(shí)別進(jìn)行研究分析,并給出三種改進(jìn)的基于卷積神經(jīng)網(wǎng)絡(luò)的微表情識(shí)別方法。本文的主要工作如下:(1)給出了一種基于2D-3D雙流卷積神經(jīng)網(wǎng)絡(luò)的微表情識(shí)別方法。針對(duì)三維卷積不能對(duì)時(shí)間信息、空間信息分開(kāi)優(yōu)化以及提取時(shí)間信息尺度單一化的問(wèn)題,給出了一種雙時(shí)間尺度三維卷積神經(jīng)網(wǎng)絡(luò),去除空間池化層以提高對(duì)于靜態(tài)特征的提取能力,時(shí)間卷積與空間卷積并行連接使兩者的參數(shù)優(yōu)化過(guò)程分開(kāi)進(jìn)行,增加不同維度的時(shí)間卷積以增加時(shí)間信息的多樣性,從而提取微表情的短時(shí)特征。為了獲取微表情視頻中運(yùn)動(dòng)信息,利用計(jì)算差分信息圖的方式將視頻的運(yùn)動(dòng)信息集中于一張圖像,并利用二維殘差網(wǎng)絡(luò)對(duì)差分信息圖進(jìn)行綜合分析,從而提取微表情的長(zhǎng)時(shí)特征。為了同時(shí)利用長(zhǎng)時(shí)特征和短時(shí)特征,將雙時(shí)間尺度三維卷積神經(jīng)網(wǎng)絡(luò)與基于差分信息圖的殘差網(wǎng)絡(luò)的特征圖相加融合得到2D-3D雙流卷積神經(jīng)網(wǎng)絡(luò),并進(jìn)行微表情識(shí)別。(2)給出了一種基于峰值幀與運(yùn)動(dòng)區(qū)域的微表...

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 微表情數(shù)據(jù)庫(kù)
    1.4 本文主要工作內(nèi)容與章節(jié)安排
2 深度學(xué)習(xí)相關(guān)理論知識(shí)
    2.1 深度學(xué)習(xí)的研究現(xiàn)狀
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 局部感知野和權(quán)值共享
        2.2.2 激活函數(shù)
    2.3 三維卷積神經(jīng)網(wǎng)絡(luò)
        2.3.1 三維卷積層
        2.3.2 三維池化層
    2.4 典型卷積神經(jīng)網(wǎng)絡(luò)
    2.5 本章小結(jié)
3 基于2D-3D雙流卷積神經(jīng)網(wǎng)絡(luò)的微表情識(shí)別
    3.1 引言
    3.2 2D-3D雙流卷積神經(jīng)網(wǎng)絡(luò)
        3.2.1 雙時(shí)間尺度三維卷積神經(jīng)網(wǎng)絡(luò)
        3.2.2 基于差分信息圖的二維殘差網(wǎng)絡(luò)
    3.3 實(shí)驗(yàn)結(jié)果
        3.3.1 實(shí)驗(yàn)準(zhǔn)備工作
        3.3.2 實(shí)驗(yàn)結(jié)果及分析
    3.4 本章小結(jié)
4 基于峰值幀與運(yùn)動(dòng)區(qū)域的微表情識(shí)別
    4.1 引言
    4.2 峰值幀的定位
    4.3 運(yùn)動(dòng)區(qū)域的提取
    4.4 基于峰值幀與運(yùn)動(dòng)區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)
    4.5 實(shí)驗(yàn)結(jié)果
        4.5.1 實(shí)驗(yàn)準(zhǔn)備工作
        4.5.2 實(shí)驗(yàn)結(jié)果及分析
    4.6 本章小結(jié)
5 基于注意力機(jī)制的微表情識(shí)別
    5.1 引言
    5.2 注意力機(jī)制
        5.2.1 空間注意力
        5.2.2 通道注意力
    5.3 基于注意力機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)
    5.4 實(shí)驗(yàn)結(jié)果
        5.4.1 實(shí)驗(yàn)準(zhǔn)備工作
        5.4.2 實(shí)驗(yàn)結(jié)果及分析
    5.5 本章小節(jié)
總結(jié)與展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間的科研成果



本文編號(hào)：3848742