收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

自然环境下的静态人脸表情识别与估计

彭穆子  
【摘要】:随着计算机计算能力的增长和图像数据的积累,人脸表情识别尤其是基于自然环境的人脸表情识别研究逐渐成为人工智能的研究热点领域之一。目前,实验室环境下的人脸表情识别技术相对来说较为成熟,而自然环境下的人脸表情识别更贴近于现实应用同时难度也更高,其相关算法的识别效果也亟待提升。人脸表情主要有离散和连续维度两种表示模型,并且这两种表示模型在教育、医疗、安全等方面有着巨大的应用前景。因此,本文着重研究基于自然环境下的人脸表情识别(离散)和估计(连续维度)。本文的主要工作内容如下:(1)自然环境下的人脸表情识别与实验室环境下的人脸表情识别相比更具有挑战性。自然环境下的图像样本在姿态、背景、光照等非表情因素方面存在着较大的差异,同时存在一部分效价较低的样本,这些样本在特征空间中易出现混淆的情况。基于此,本文提出一种基于Center Loss和Valence-sensitive Loss联合损失函数的人脸表情识别方法。Center Loss的引入用于减轻非表情因素带来的干扰,使得同类的样本在特征空间更易聚集在一起,Valence-sensitive Loss用于解决因低效价带来的混淆问题,最后利用设计的具有二分支结构的卷积神经网络共同优化上述两种损失函数和Softmax损失函数,实现人脸表情的多分类识别。(2)离散和连续维度两种表示模型下的人脸表情识别在不同行业都有着广泛的应用前景。与获取人脸表情的类别不同,一部分应用场景希望获取人脸表情的状态值。因而本文对于连续维度(Valence-Arousal模型)下的人脸表情识别也进行了研究,提出了一种基于二级注意力机制和两阶段多任务学习的人脸表情估计算法。该算法针对自然场景下存在的各种非表情因素,提出用残差注意块自动提取Position-level特征,利用基于自注意力的Bi-RNN(Bi-directional Recurrent Neural Network)模型自适应地提取Layer-level特征,从而降低非表情因素对人脸表情估计的影响并进一步提高神经网络的特征提取能力。其次,设计了一种两阶段的多任务学习结构。一方面,共同学习离散模型和连续维度模型的特征表示,增强连续维度模型下特征表示精确性。另一方面,通过多任务学习利用Valence与Arousal的相关性共同预测二者的值。除此之外,利用Tukey’s biweight损失函数降低标签不一致或错误样本所带来的影响。最后,基于AffectNet数据集进行的广泛实验证明了本文提出的人脸表情估计算法的有效性和泛化能力。


知网文化
【相似文献】
中国期刊全文数据库 前14条
1 孔德壮;朱梦宇;于江坤;;人脸表情识别在辅助医疗中的应用及方法研究[J];生命科学仪器;2019年02期
2 杨晓龙;闫河;张杨;;人脸表情识别综述[J];数字技术与应用;2018年02期
3 原渊;;基于深度学习的人脸表情识别方法研究[J];电脑迷;2018年04期
4 翟懿奎;刘健;;面向人脸表情识别的迁移卷积神经网络研究[J];信号处理;2018年06期
5 赵美名;;教学系统中人脸表情识别系统的监督作用[J];教育教学论坛;2017年09期
6 施徐敢;张石清;赵小明;;基于压缩感知的鲁棒性人脸表情识别[J];计算机系统应用;2015年02期
7 李嘉良;范亦凡;展雯慧;黎箐箐;;人脸表情识别在婴儿看护中的应用[J];数码世界;2017年08期
8 孙蔚;王波;;人脸表情识别综述[J];电脑知识与技术;2012年01期
9 田建华;;一种高性能部分遮挡的人脸表情识别方法[J];电脑知识与技术;2011年08期
10 田建华;;基于改进的非负矩阵分解的人脸表情识别[J];电脑知识与技术;2011年13期
11 钱勇生;邵洁;季欣欣;李晓瑞;莫晨;程其玉;;基于改进卷积神经网络的多视角人脸表情识别[J];计算机工程与应用;2018年24期
12 蒋斌;甘勇;张焕龙;张秋闻;;非正面人脸表情识别方法综述[J];计算机科学;2019年03期
13 胡敏;余胜男;王晓华;;基于约束性循环一致生成对抗网络的人脸表情识别方法[J];电子测量与仪器学报;2019年04期
14 赵澎桢;;基于网络图片数据库与深度学习的人脸表情识别[J];中国高新科技;2018年19期
中国重要会议论文全文数据库 前10条
1 王吉林;;基于神经网络的人脸表情识别研究[A];2006’和谐开发中国西部声学学术交流会论文集[C];2006年
2 苏建霞;李凯;林文茹;;人脸表情识别软件的设计[A];第七届全国信息获取与处理学术会议论文集[C];2009年
3 吴立平;王金海;崔军;;人脸表情识别在监护系统中的应用与设计[A];天津市生物医学工程学会第三十四届学术年会论文集[C];2014年
4 朱娅妮;杜加友;;基于多特征融合的人脸表情识别[A];浙江省电子学会2009学术年会论文集[C];2009年
5 李悦;黄永明;章国宝;刘海彬;;基于角度差和散度均值特征的人脸表情识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
6 何良华;邹采荣;王志平;石光;赵力;;基于DWT-DCT的人脸表情识别[A];第一届中国情感计算及智能交互学术会议论文集[C];2003年
7 朱娅妮;王喆;;基于遗传算法进化的SVM人脸表情识别[A];2009年中国智能自动化会议论文集(第三分册)[C];2009年
8 刘帅师;田彦涛;郭冬梅;史于心;;基于混合特征和SVM的人脸表情识别算法[A];2009年中国智能自动化会议论文集(第三分册)[C];2009年
9 宋伟;赵清杰;宋红;樊茜;;基于关键块空间分布与Gabor滤波的人脸表情识别算法[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
10 陈海峰;;一种智能性自动换肤技术研究[A];第三届中国智能计算大会论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 李辉辉;基于认知机器学习的人脸表情识别研究[D];华南理工大学;2019年
2 王占;基于稀疏子空间分析的人脸表情识别算法研究[D];北京交通大学;2017年
3 李筱鹤;非约束条件下人脸表情识别问题的研究[D];华南理工大学;2018年
4 孙文赟;基于深度学习的人脸表情识别研究[D];南京理工大学;2018年
5 杨雨浓;基于深度学习的人脸表情识别方法研究[D];西北大学;2017年
6 何良华;人脸表情识别中若干关键技术的研究[D];东南大学;2005年
7 刘伟锋;人脸表情识别研究[D];中国科学技术大学;2007年
8 Ongalo Phoebe Nasimiyu Fedha;基于机器学习方法的人脸表情识别研究[D];中南大学;2014年
9 岳雷;人脸表情识别新算法研究[D];北京理工大学;2015年
10 李小利;三维人脸表情识别中特征提取算法研究[D];北京交通大学;2016年
中国硕士学位论文全文数据库 前10条
1 彭穆子;自然环境下的静态人脸表情识别与估计[D];合肥工业大学;2019年
2 李政浩;基于深度注意力网络的人脸表情识别[D];西南大学;2019年
3 陈莹;基于特征权重自动分配和卷积神经网络的近红外人脸表情识别[D];西南大学;2019年
4 李秋生;基于混合域注意力机制的人脸表情识别研究[D];吉林大学;2019年
5 王睿;基于特征融合的人脸表情识别研究[D];新疆大学;2019年
6 余胜男;基于生成对抗网络的人脸表情识别方法研究[D];合肥工业大学;2019年
7 张璐平;基于CNN-ELM的人脸表情识别方法研究[D];湖南师范大学;2019年
8 李建军(Jianjun Lee);基于图像的人脸表情识别方法研究[D];长安大学;2019年
9 梁丹丹;基于深度学习的人脸表情识别[D];长安大学;2019年
10 付俊妮;非约束状态下多因素人脸表情识别研究[D];长安大学;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978