細粒度表情分類研究與設計.pdf

1、圖像語義理解是近年來計算機視覺領域中一個非?；钴S的研究領域。研究的基本目的是研制自動化的算法和系統(tǒng)，正確解釋圖像內容，實現(xiàn)對圖像數(shù)據的有效組織、管理和再利用。計算機視覺、認知科學以及機器學習領域的研究人員從不同的角度對該問題展開研究?，F(xiàn)有計算機視覺領域中，對圖像內容理解大致可分為三個層次:以感知層（低層特征）為主的圖像內容分析，例如顏色、紋理、形狀、輪廓、運動、時空關系等特征提取與分析的圖像處理過程;認知層（中層特征）為主的圖像理解:如

2、圖像、視頻的主要區(qū)域、對象、場景等概念和語義。部分學者涉及情感層（高層特征）的圖像情感分析，如圖像情感分類、人臉表情分類、以及圖像美學分析等。
　　人臉表情分類長期以來是人們在人臉識別領域中關注的重點問題之一。現(xiàn)有研究成果大多針對六類表情進行分類，或對于相關運動單元進行識別。由于面部表情的多樣性和復雜性，以及表情類別具有一定程度主觀性，因此實現(xiàn)自動表情分類算法具有較大難度。但由于表情分類對于人機交互以及高層視覺語義理解具有重要價值

3、，因此長期以來國內外很多研究機構以及學者致力于相關理論研究，并取得一定研究成果。目前表情分類大多基于驚訝、厭惡、恐懼、愉悅、傷心、憤怒這六類基本表情概念進行分類。然而，六類基本表情概念往往不能描述現(xiàn)實中復雜的人臉表情。因此，目前表情分類的理論以及應用研究受到一定限制。
　　綜上所述，本文結合相關心理學理論，研究細粒度的表情分類問題，論文詳細分析了當前情感分類以及表情分類的現(xiàn)狀，并闡述了相關的心理學概念。本文定義30個細粒度表情概念

4、，并構建首個大規(guī)模細粒度表情分類數(shù)據庫，深入分析數(shù)據特征，對于細粒度表情分類別進行了描述，并且結合當下人臉分類的相關研究手段對目標問題進行了不同特征的對比性實驗。論文主要工作包括:第一，深入分析了表情分類研究現(xiàn)狀，對現(xiàn)有的多種表情分類方法進行了綜述與分析;第二，構建了首個大規(guī)模細粒度表情分類數(shù)據庫，為相關研究者提供了必要的分析基礎;第三，研究表情分類特征提取與分析問題，提出一種有效的細粒度表情分類方法。通過大量實驗驗證，證明所提出算法具