面部表情包含豐富的情感信息,是人類日常生活中重要的組成部分。面部表情分為宏表情和微表情。宏表情持續時間為3/4到2秒,可以在整個面部發現,因此可以被容易地發現,但是宏表情可以被人為操控,容易產生虛假表情。微表情持續時間只有1/25到1/5秒,是無意識地出現在面部的,具有不可掩飾性,對應著人類的真實情感。因此微表情的識別具有重要意義。由于微表情持續時間短,面部表情的強度低,這就給使用肉眼識別微表情造成了很大的困難。因此微表情的自動識別研究具有較強的理論和實踐意義。目前使用模式識別方法對微表情進行自動識別時,基本都是從整張人臉上提取信息。但是微表情在大部分情況下只有單一區域的面部肌肉運動出現,這使得在微表情識別過程中提取了很多和微表情無關的信息,從而影響了識別結果,增加了計算量。針對上述問題,本文提出一種基于三通道卷積神經網絡和特征增強網絡(SETFNet)對自發微表情進行識別的方法。網絡中的三個通道分別輸入三個不同的局部面部區域(左眼+左眉毛、右眼+右眉毛和嘴),這樣可以減少和微表情無關的信息同時減少計算量。另外,我們在網絡中增加了SE網絡模塊,該模塊能夠增強有效特征、抑制無用特征,從而...

【文章頁數】：57 頁

【學位級別】：碩士

【部分圖文】：

圖1.1一個“高興”微表情樣本的部分圖片，其面部運動單元AU12的變化

西南大學碩士學位論文2干相互獨立的運動單元（AU），通過AU來描述面部表情的強度和位置。表情是由一個或者多個不同面部運動單元組成，如：高興通常由AU6+AU12組成。微表情AU的強度較低，且大部分情況下只有單一的運動單元發現變化，圖1.1是一個高興的微表情樣本，其面部運動單元只有....

圖2.1CASMEⅡ數據庫中“厭惡”微表情圖像序列

西南大學碩士學位論文8圖2.1CASMEⅡ數據庫中“厭惡”微表情圖像序列表2.2CASMEⅡ數據庫基本信息數據庫樣本數幀速率幀分辨率情緒類型高興厭惡驚訝壓抑悲傷害怕其他CASMEⅡ255200fps640×480326325277299本試驗使用SMIC中的HS數據集，共164個....

圖2.2試驗預處理流程圖

第二章自發微表情數據庫與預處理9圖2.2試驗預處理流程圖2.2.1人臉檢測及裁剪微表情信息并不是在全臉都存在，而且其運動程度較為微弱，如果使用整張人臉進行特征提取，會使特征在中包含很多噪聲，同時增加計算量，因此我們截取包含微表情信息較多的局部區域作為輸入特征。目前分析面部表情特點....

圖2.3AUs在面部對應的位置

西南大學碩士學位論文10圖2.3AUs在面部對應的位置為了截取興趣區，去除掉無用的面部信息，首先使用人臉檢測去定位人臉關鍵點，然后基于定位的關鍵點確定興趣區。本文使用DRMF算法[44]對微表情視頻序列進行逐幀檢測，DRMF算法相比其他檢測系統具有更強的定位能力和健壯性等特點，可....

本文編號：3995158