發(fā)布時(shí)間：2025-01-07 02:46

　　面部表情是人類表達(dá)情感和意圖的主要方式,因此人臉表情識(shí)別是當(dāng)今視覺圖像處理研究的熱點(diǎn)之一。人臉表情識(shí)別算法通過從表情圖像中分離出表達(dá)情緒特征的特征信息,并利用計(jì)算機(jī)對(duì)特征信息進(jìn)行情緒的識(shí)別。但人臉表情識(shí)別算法在實(shí)際的應(yīng)用場(chǎng)景中仍存在許多問題,比如在人臉表情識(shí)別過程中,提取的特征只針對(duì)圖像的紋理、光照等某一特性等敏感,導(dǎo)致在具有其他特性的任務(wù)環(huán)境下識(shí)別效果不佳。同時(shí),某些人臉表情識(shí)別算法需要大量的樣本訓(xùn)練來避免識(shí)別模型過擬合,但實(shí)際應(yīng)用中,在非人為控制環(huán)境下能夠收集到的樣本量有限,這會(huì)造成人臉表情識(shí)別算法的性能受到影響。近些年來,遺傳編程(Genetic programming,GP)在小樣本數(shù)據(jù)集上表現(xiàn)良好,為減輕人臉表情識(shí)別算法對(duì)樣本數(shù)量的依賴,越來越多的研究將遺傳編程算法應(yīng)用在人臉表情識(shí)別領(lǐng)域。然而,直接在人臉表情識(shí)別問題上使用遺傳編程沒有考慮到表情特征本身具有的特性,模型的識(shí)別性能還有較大的提升空間。為解決人臉表情識(shí)別過程中所提出特征的敏感性不足的問題,采用多特征融合的手段,彌補(bǔ)特征的信息,提高特征的適應(yīng)性,提升模型識(shí)別性能。因此,本文主要方研究方向如下:(1)針對(duì)人臉表情特征的敏...

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖7-2基于決策層融合的多模態(tài)情感識(shí)別

圖7-1基于特征層融合的多模態(tài)情感識(shí)別1.2決策層融合決策層融合就是在完成情感聲學(xué)特征和人臉表情特征的信息提取之后，將其輸入到各自對(duì)應(yīng)的分類器，再依據(jù)某種規(guī)則將各個(gè)分類器的結(jié)果進(jìn)行融合決并獲取最終的識(shí)別結(jié)果。圖7-2給出了基于決策層融合的多模態(tài)情感識(shí)別示意決策層融合方法....

圖１．２市場(chǎng)上的人臉表情識(shí)別產(chǎn)品??

應(yīng)的情緒指數(shù)。目前，該軟件被用來??協(xié)助廣告企業(yè)和商場(chǎng)銷售判斷消費(fèi)者對(duì)廣告或產(chǎn)品的反應(yīng)。２０１４年，軟銀公司??推出的Ｐｅｐｐｅｒ機(jī)器人被稱為是全球第一臺(tái)含有人類感情的機(jī)器人。它被用在手??機(jī)商店里識(shí)別人的面部表情、聲音、語調(diào)和體形，并做一些市場(chǎng)調(diào)查的工作。??２０１５年，微軟劍....

圖１．５本文的組織與結(jié)構(gòu)??

第１章緒論??第一章??緒論???ｙ??第二章??人臉表情識(shí)別的基礎(chǔ)??知識(shí)與相關(guān)工作???ｉｆ－?■?，—?—?｜???第三章?第士章?第ｉ章??基于雙線性融合算法?基于感興趣區(qū)域特征與全局?基于多粒度特征的人??的人臉表情識(shí)別?｜特征融合的人臉表情識(shí)別?｜?臉裘鬲識(shí)別???＞....

圖２．１?ＪＡＦＦＥ數(shù)據(jù)庫表情圖片示例??

２０世紀(jì)末，第一個(gè)較為完備的人臉表情數(shù)據(jù)庫ＪＡＦＦＥ就被建立了。日??本ＡＴＲ媒體信息科學(xué)研究室以及九州大學(xué)心理學(xué)系在受控的實(shí)驗(yàn)環(huán)境下對(duì)１０位??日本女性中的每一位分別進(jìn)行了六種基本表情和中性表情圖片的采集。最終形??成的數(shù)據(jù)庫包含２１３張大小為２５６Ｘ２５６的灰度圖片。由于受到....

本文編號(hào)：4024379