收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于认知机器学习的人脸表情识别研究

李辉辉  
【摘要】:随着人工智能技术的迅猛发展,机器已具有通过人脸图像,“理解”人类情感的能力。实现这种能力的方法就是基于机器学习的人脸表情识别,目前的主要应用有人机交互、安全安防、医疗健康等。人脸表情识别有7种基本类别,由愤怒(anger)、高兴(happiness)、悲伤(sadness)、惊讶(surprise)、厌恶(disgust)、恐惧(fear)和平静(neutrality)组成,因此人脸表情识别可用机器学习(分类器)来实现。在实际应用中,由于待识别的人脸表情图片可能包含复杂的背景,图片中人类的外貌、年龄、种族存在差异,不同表情类别之间的区分边界可能模糊不清,这些潜在的问题导致了表情识别准确率难以提高,在现实应用中表现出鲁棒性不足等缺陷。现有人脸表情识别方法的性能与人类的识别能力差距比较大,主要原因是模拟人类的认知能力不够。机器学习就是向人类学习,每次将人类的认知规律模型化,机器学习方法就取得了显著的原创性,因此论文的主要工作就是将认知规律用于机器学习,提出一些新的机器学习方法,并用于人脸表情识别。具体工作包括以下几个方面:(1)指出了现有机器学习方法面临的问题,分析了机器学习的惯性思维原理,进而提出了基于认知的机器学习框架,分析了框架中要解决的主要问题,为提出具体的新方法提供思路。(2)提出了一种新的复杂度感知分类算法(CPC),并应用于人脸表情识别中,该算法针对样本特征分布进行有区分度的学习显著提高了人脸表情识别的分类准确率。实验验证了复杂度感知分类算法的有效性和普适性。(3)提出了一种新的样本感知的个性化人脸表情识别方法,其采用贝叶斯学习方法从全局选择最优的分类器,然后用选择的分类器识别每个测试样本的情感类别。基于样本感知方法(SAP)从给定的基本分类器中选择最适合对给定的测试样本进行分类的分类器,这更符合人类的认知规律,具有个性化的分类能力。实验表明,SAP在情感识别方面的有效性明显优于任何基本分类器。(4)机器学习容易形成错觉惯性思维,但目前所有机器学习方法都没有考虑。本文提出一种基于逆向思维的机器学习方法,采用逆向思维克服错觉惯性思维,从而提高了机器学习方法的泛化能力,实验证明所提方法的有效性。所提方法是普适的,对任何机器学习方法都是适用的,特别适用于那些难分的数据集,如非平衡数据集,因为机器学习在那里很容易形成错觉惯性思维。


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