基于卷积神经网络的人脸检测和表情识别

摘要

人脸表情不仅能表示人类的情绪信息，而且能反映了人类心理活动，在人机交互、情感分析领域具有重大的研究价值和应用价值。在传统自动人脸表情识别系统中，首先需要对图像进行人脸检测，然后对人脸图像进行表情分类，两个过程都需要单独地提取图像特征，如何实现这两个过程的特征共享，避免特征重复性计算成为了本文研究的问题。受益于卷积神经网络自动学习特征的特点，本文设计和实现了一种基于卷积神经网络的多任务网络模型来尝试解决这一情况。
　　本研究使用AlexNet验证卷积特征代替传统人工特征的有效性，通过配置多个卷积神经网络结构找出网络深度、卷积核滤波数量、添加全连接层和卷积层对正确率的影响，针对传统自动表情识别系统中将人脸检测和表情识别两个子系统的分开的做法，提出了一种基于多任务卷积神经网络模型的人脸检测和表情识别的方法。该模型通过卷积神经网络提取特征，使用三个全连接层分别作用于了人脸分类、人脸位置检测和表情识别。结果表明，卷积神经网络的深度越深，预测的正确率越高；增加卷积核的滤波数量可以适当的提高准确率；增加卷积层较增加全连接层更有利于图像分类。通过卷积神经网络自主学习特征，成功将人脸检测和表情识别联合起来。

目录

声明

第一章 绪论

1.1 课题背景和意义

1.2 人脸检测的研究现状

1.3 表情识别的研究现状

1.4 研究内容和本文组织结构

第二章 相关理论

2.1卷积神经网络

2.2 基于卷积神经网络的人脸检测

2.3 基于卷积神经网络的表情识别

2.4 本章小结

第三章 基于卷积神经网络的表情识别

3.1基于卷积特征的表情识别

3.2 配置卷积神经网络

3.3 文章小结

第四章 基于卷积神经网络的联合人脸检测和表情识别

4.1 数据集

4.2 网络模型

4.3 模型训练

4.4 实验与结果分析

4.5 文章小结

第五章 总结与展望

5.1 全文总结

5.2 展望

参考文献

附录A 攻读硕士学位期间的学术成果

致谢