基于深度學(xué)習(xí)的人臉表情識別研究.pdf

1、人臉表情信息在社會的交流和人類的溝通中扮演著十分重要的角色，因為它與人的心理活動存在著密切的關(guān)聯(lián)關(guān)系。最近幾年人臉表情識別技術(shù)已經(jīng)成為熱點研究課題，它影響著眾多學(xué)科領(lǐng)域，例如人工智能、生物特征識別、情感計算、模式識別、計算機(jī)視覺等，因此人臉表情識別技術(shù)具有非常重要的理論研究和實際應(yīng)用價值。
　　本文綜述了國內(nèi)外近幾年的人臉表情識別技術(shù)的發(fā)展?fàn)顩r，分別對人臉表情識別的關(guān)鍵技術(shù)，人臉預(yù)處理、特征提取和表情分類作了總結(jié)。研究了針對傳統(tǒng)方

2、法對提取到的人臉表情特征表達(dá)效果不理想等問題，提出了一種結(jié)合改進(jìn)的深度信念網(wǎng)絡(luò)DBN（Deep Belief Networks）和堆疊自動編碼器SAE（Stacked Auto-encoder）的人臉表情識別方法來識別人臉表情。
　　本文的主要工作如下：
　　1．總結(jié)人臉表情識別技術(shù)中常用的傳統(tǒng)的算法，主要包含人臉預(yù)處理、特征提取和分類；分析人臉表情識別技術(shù)在現(xiàn)階段的存在的難題；剖析深度學(xué)習(xí)中常用的算法，主要有自動編碼器、深

3、度信念網(wǎng)絡(luò)和深度卷積網(wǎng)絡(luò)，分析他們算法的優(yōu)缺點，同時結(jié)合他們各自的應(yīng)用，探論了深度學(xué)習(xí)的發(fā)展性。
　　2．研究深度學(xué)習(xí)在人臉表情識別技術(shù)中的應(yīng)用。本文采用人臉局部組件來提取特征，人臉組件是通過滑動窗口把人臉分成若干塊，通過局部二值模式算法（LBP）對每一塊提取特征；結(jié)合改進(jìn)的深度信念網(wǎng)絡(luò)（GB-DBN）將之前提取的特征進(jìn)行篩選，以獲取最優(yōu)特征；最后采用堆疊自編器（SAE）對獲取的最優(yōu)特征進(jìn)行分類，以進(jìn)行表情的識別。實驗表明：在JA