基于卷积神经网络的人脸表情和性别识别

摘要

人脸包含性别、表情、身份、年龄等大量信息，在公共社会安全、经济财产安全、军事、反恐刑侦、人机交互等电子信息安全领域发展的迫切驱动下，人脸表情和性别识别技术已经成为一项极具发展潜力的前沿技术，也是当前计算机视觉领域的研究热点。让计算机具有人的智能，代替人类进行记忆、识别，实现真正的智能时代具有十分重要的应用价值。然而人脸表情和性别识别技术也是计算机视觉领域的难点所在，其主要原因是人脸图像在获取过程中，受到光照、表情、姿态、遮挡物等环境因素以及拍摄行为等因素的影响。因而，一个出色的人脸表情和性别识别算法应该对这些因素不敏感。
　　卷积神经网络是一种新型的神经网络，它将传统的人工神经网络和深度学习技术相结合，具有局部感受野区域、层次结构化、特征提取和分类过程相结合的全局训练特点，在图像处理领域取得了巨大的成功。卷积神经网络主要有两个特性，第一个是神经元之间采用局部连接策略，第二个是同一层之间的神经元权值共享，采取局部连接和权值共享的网络结构降低了模型本身的复杂度，减少了需要训练的参数个数，这种网络结构可以获得某种程度上的平移、尺度和形变不变性。
　　本论文的主要工作如下:
　　1、首先系统的阐述了当前人脸表情识别和性别识别的国内外研究现状，概述了深度学习的起源以及取得的一些成果。然后介绍了神经网络的发展历程，着重介绍了卷积神经网络的算法原理和经典的网络结构。
　　2、本论文主要研究了基于卷积神经网络下的人脸表情和性别识别。针对表情识别，首先根据人脸表情任务的特点，修改了AlexNet网络结构，设计了一个新的卷积神经网络结构，并在网络中添加了批规范化层，使得准确率有3％左右的提升;然后根据表情识别采用的数据集样本数量，采用了微调的训练机制，在GoogLeNet上，与从头训练的方式相比，准确率有了2％左右的提升，并且在使用VGGNet进行微调时，准确率达到了最高的71.27％，证明了针对本文使用的数据集，微调的策略优于重新训练;在利用GoogLeNet进行微调实验时，还比较了Hinge损失函数和Softmax损失函数的性能，发现后者优化前者;最后针对现在的研究趋势，设计了一个多网络来进行融合，通过实验发现，在较小的数据集上，多网络的性能比单网络差。针对性别识别，在VGGNet的基础上，设计了一个3层的卷积神经网络，在adience数据集上，准确率达到了90.82％，在mygender数据集上准确率达到了97.10％;然后利用VGGNet在mygender数据集上进行微调，准确率达到了99.44％。
　　3、本文使用卷积神经网络在人脸表情和性别数据集上训练得到的模型，然后在Windows7平台上利用dlib和Caffe等工具搭建了人脸表情和性别识别系统，可以用该系统实时准确地进行检测识别，并对接下来的工作进行了展望。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．3 本文组织结构

第二章 卷积神经网络相关基础知识

2．1 感知机

2．2 反向传播算法

2．3 Hopfield神经网络

2．4 卷积神经网络的特点

2．5 池化

2．6 Softmax回归

2．7 卷积神经网络结构

2．8 本章小结

第三章 基于卷积神经网络的人脸表情识别和性别识别

3．1 FER2013表情库和性别识别库

3．2 基于卷积神经网络的表情识别

3．2．1 基于浅层卷积神经网络的表情识别

3．2．2 基于微调的表情识别

3．2．3 基于改进卷积神经网络的表情识别

3．3 基于卷积神经网络的性别识别

3．3．1 基于浅层卷积神经网络的性别识别

3．3．2 基于微调的性别识别

3．4 实验结果与分析

3．4．1 关于人脸表情识别实验的结果与分析

3．4．2 关于人脸性别识别实验的结果与分析

3．5 本章小结

第四章 人脸表情和性别识别系统实现

4．1 人脸表情和性别识别系统

4．1．1 系统的开发环境

4．1．2 系统模块流程

4．1．3 系统功能及运行效果

4．2 本章小结

第五章 总结与展望

5．1 工作总结

5．2 工作展望

参考文献

致谢

攻读硕士学位期间发表的论文及参与的科研项目