基于深度學(xué)習(xí)的表情識(shí)別方法研究.pdf

1、人臉表情是人類交流的一種必不可少的方式，通過(guò)對(duì)人臉表情的研究可以探索人類的心理狀態(tài)，進(jìn)而充分的了解人們的行為意圖。深度學(xué)習(xí)是一種特征學(xué)習(xí)方法，通過(guò)一些簡(jiǎn)單的非線性的模型把數(shù)據(jù)轉(zhuǎn)變成為更高層次的，更加抽象的表達(dá)，可以解決語(yǔ)音處理、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理等問(wèn)題。本文利用深度學(xué)習(xí)來(lái)解決表情識(shí)別中的一些問(wèn)題，并通過(guò)實(shí)驗(yàn)進(jìn)行了驗(yàn)證。本文的主要研究?jī)?nèi)容如下：
　　1．本文研究了多種類型的深度學(xué)習(xí)模型，按結(jié)構(gòu)可分為深度卷積神經(jīng)網(wǎng)絡(luò)、深度信念網(wǎng)

2、絡(luò)、深度玻爾茲曼機(jī)、堆疊自動(dòng)編碼器和遞歸神經(jīng)網(wǎng)絡(luò)等。它們算法各異，且所適用領(lǐng)域也不相同。因此，選擇合適的深度學(xué)習(xí)模型是解決表情識(shí)別問(wèn)題的關(guān)鍵。本文經(jīng)過(guò)對(duì)比論證發(fā)現(xiàn)，深度卷積神經(jīng)網(wǎng)絡(luò)其獨(dú)特局部連接與權(quán)值共享機(jī)制可以解決表情識(shí)別中特征維數(shù)大，計(jì)算困難等問(wèn)題。因此，本文選擇深度卷積神經(jīng)網(wǎng)絡(luò)作為本文的深度學(xué)習(xí)模型。
　　2．針對(duì)靜態(tài)表情識(shí)別中提取特征會(huì)損失圖像原有的特征信息的問(wèn)題，提出利用深度學(xué)習(xí)模型中的深度卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)表情特征提取。

3、由于深度卷積神經(jīng)網(wǎng)絡(luò)避免了對(duì)圖像的復(fù)雜前期預(yù)處理，可以直接輸入原始圖像，它通過(guò)卷積與池化的共同作用進(jìn)行特征提取，不需要人為提取特征，并且網(wǎng)絡(luò)易于訓(xùn)練，比那種全連接的神經(jīng)網(wǎng)絡(luò)的泛化性能更好，因此將深度卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用靜態(tài)表情識(shí)別中。
　　3．針對(duì)動(dòng)態(tài)表情識(shí)別中系統(tǒng)抗干擾性差，運(yùn)算速度慢以及實(shí)時(shí)性差等問(wèn)題，提出利用深度卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)動(dòng)態(tài)表情特征提取。由于動(dòng)態(tài)表情識(shí)別系統(tǒng)輸入的實(shí)時(shí)獲取的動(dòng)態(tài)人臉表情序列，與靜態(tài)表情識(shí)別不同，這需要系統(tǒng)

4、實(shí)時(shí)將獲取到的人臉進(jìn)行存儲(chǔ)和識(shí)別。為了解決這一問(wèn)題，利用Haar分類器進(jìn)行人臉檢測(cè)，再引入深度卷積神經(jīng)網(wǎng)絡(luò)，通過(guò)它構(gòu)建圖像的本質(zhì)特征，提取表情特征，最后運(yùn)用Softmax分類器實(shí)現(xiàn)表情分類。
　　4．為了提高深度卷積神經(jīng)網(wǎng)絡(luò)的非線性表達(dá)能力，從而實(shí)現(xiàn)更好地表情特征提取，對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)，利用深度連續(xù)卷積神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)表情識(shí)別。本文對(duì)深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，引用多層小尺度卷積代替單層大尺度卷積的思想，即利用2層連續(xù)卷積層來(lái)代替單