基于卷积神经网络的人脸表情识别研究.docx

摘要：人脸表情能够真实地反映人的内心活动，人的喜怒哀乐都能够通过表情充分的体现出来，人脸表情的识别在人工智能领域具有重要的研究意义，在日常生活中也有其应用价值。目前，人脸表情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。

文中对基于卷积神经网络的人脸表情识别进行了研究，具体工作有以下几个部分：对于人脸检测部分，文中介绍了基于知识规则、基于特征、基于模板匹配、以及基于统计模型四中常用的方法，而本文中的人脸检测都是用V-J检测器来进行检测的。对于表情识别部分，文中要研究通过卷积神经网络来实现高兴、悲伤、愤怒、沮丧、恐惧以及惊讶6种表情的识别。本文使用keras来搭建深度学习框架，构建的神经网络包含卷基层、池化层、激活层以及全连接层，分类器使用的是softmax。用标准数据库中的图像数据作为输入，经过神经网络中各个层的处理，最后通过softmax输出与6种表情相对应的概率，一般认为概率最大的表情就是输入图像中人脸的表情。人脸表情反映了人的心理情绪，对人脸表情的精确识别能够准确掌握对象的心理变化。掌握了对象的心理变化，在现实生活中，人们可以做出更合理的决策，在机器学习领域，机器也可以做出合理的预测，从而实现智能化。

关键词：卷积神经网络、表情识别、人脸检测、图像处理

目录

摘要

ABSTRACT

1绪论-1

1.1研究的背景和意义-1

1.2国内外研究现状-1

1.2.1国外研究现状-1

1.2.2国内研究现状-2

1.3课题的研究目标、内容和技术要求-3

1.4论文组织结构-3

2人脸检测-5

2.1图像预处理-5

2.1.1灰度化-5

2.1.2直方图均衡化-5

2.1.3图像平滑-6

2.1.4图像锐化-7

2.2V-J检测器-8

2.2.1常用检测方法-8

2.2.2V-J检测器-8

3表情识别-11

3.1卷积神经网络简介-11

3.2卷积神经网络的基本结构-12

3.2.1Convolution layer（卷积层）-12

3.2.2Pooling layer（池化层）-12

3.2.3Relu Layer（激活函数层）-13

3.2.4Fully connected layers(全连接层)-13

3.2.5softmax回归-14

3.3创建卷积神经网络-14

3.4卷积神经网络环境的搭建-15

3.4.1导入库和模块-15

3.4.2加载图片数据-16

3.4.3输入数据预处理-16

3.4.4预处理类标签-16

3.4.5定义模型架构-16

3.4.6编译模型-17

3.4.7用训练数据进行模型拟合-17

3.4.8用测试数据评估模型-18

3.5实验的实施-18

3.5.1keras简单介绍-18

3.5.2Linux下配置环境-18

4实验结果及分析-22

4.1标准数据库-22

4.2人脸检测-23

4.3表情识别-23

5总结与展望-29

参 考 文 献-30

致 谢-32