基于零樣本學習方法的人臉表情識別系統的設計與實現[獨家原創(chuàng)].doc
約38頁DOC格式手機打開展開
基于零樣本學習方法的人臉表情識別系統的設計與實現[獨家原創(chuàng)],基于零樣本學習方法的人臉表情識別系統的設計與實現17000字自己原創(chuàng)的畢業(yè)論文，已經通過校內系統檢測，重復率低，僅在本站獨家出售，大家放心下載使用摘要： 本文主要研究了在目標測試類別不具有訓練樣本的情況下的人臉情感識別問題。通過介紹基于屬性的分類方法，將人臉表情對應的au(action unit)表示作為該情感的屬性描...
內容介紹
此文檔由會員 小丑88 發(fā)布
基于零樣本學習方法的人臉表情識別系統的設計與實現
17000字
自己原創(chuàng)的畢業(yè)論文，已經通過校內系統檢測，重復率低，僅在本站獨家出售，大家放心下載使用
摘要： 本文主要研究了在目標測試類別不具有訓練樣本的情況下的人臉情感識別問題。通過介紹基于屬性的分類方法，將人臉表情對應的AU(Action Unit)表示作為該情感的屬性描述，將具有樣本的情感類別中的信息遷移到不具有樣本的測試類別中，進而實現了零樣本情況下的情感分類。
本文利用FACS系統中定義的AU單元作為屬性建立起面向人臉情感的屬性-類別矩陣，并將其作為信息遷移的依據。在獨立于分類階段對所有圖片進行了預處理和特征提取之后，從憤怒、蔑視、厭惡、、高興、悲傷、驚訝、中性八種表情中依次選取兩種表情作為零樣本測試類別，對本文提出的零樣本學習方法進行交叉檢驗。
實驗結果表明，利用屬性層傳遞信息是測試類別不具有訓練樣本的情況下建立分類系統的有效措施。當我們需要識別某種已有人臉數據庫中不包含的非基本表情時，只需要對該表情建立起具體的相關屬性描述，就可以不需要通過對這種非基本表情樣本的訓練，而直接進行測試分類。本方法具有良好的可推廣性和識別率，對人臉情感識別領域的發(fā)展具有一定意義。
關鍵詞： 人臉表情識別 零樣本學習 基于屬性的 動作單元
The design and realization of Facial expression recognition system based on zero-shot learning
Abstract We study the problem of facial emotion recognition when no training examples of the target classes are available.this setup can hardly been ignored in affective computing.In this paper,we tackle the problem by introducing attribute-based classification.It performs object detection based on using Action Unit as an attribute description of the emotion,and transferring informations from seen categories into unseen categories.
In this paper, by using Action Unit (AU) defined in FACS system we build an expression-oriented attributes-classes matrix as the basis of information transfer. After image preprocessing and feature extraction which is independent of the classification stage of all ,we selected the two kinds of expression from anger, contempt, disgust,, happy, sad, surprised and neutral as the zero sample test categories every times,make a five-fold cross-validation on the zero-shot learning algorithm proposed in this paper .
Our experiments show that by using an attribute layer it is indeed possible to build a learning object detection system that does not require any training images of the target classes.When we trying to identify some un-basic expression wich does not contained in existing face databases, what we need to do is only to establish the specific property description of the kind of expression, then we could directly testing the class without training samples of the un-basic expression. This method has good generalization and recognition accuracy, has a certain significance to the development of facial emotion recognition field.
Key words: facial expression recognition , attribute-based ,zero-shot learning , action unit (AU)
目 錄
第一章 緒論 1
1.1 研究背景及意義 1
1.2 國內外研究現狀 1
1.2.1 人臉情感識別研究現狀 1
1.2.2 零樣本分類研究現狀 3
1.3論文主要工作與結構內容安排 4
第二章 人臉表情識別技術概述 5
2.1 人臉表情識別系統結構 5
2.2 人臉數據庫 5
2.3 BOW算法框架介紹 7
2.4 FACS系統介紹 9
2.5 本章小結 12
第三章 基于屬性的零樣本情感識別方法設計 14
3.1問題的引入 14
3.2 情感屬性的確定 15
3.3基于屬性共享的情感信息遷移 18
3.2.1 基于AU屬性的情感分類理論 18
3.2.2 DEAP與IEAP預測方法的實現 20
3.5 本章小結 22
第四章 零樣本表情識別系統的設計與實現 23
4.1 系統功能分析 23
4.2 基于零樣本學習方法的人臉表情識別系統的設計 23
4.2.1 人臉表情識別流程 23
4.2.2 算法步驟 24
4.3 人臉表情識別系統的實現與結果示例 25
4.3.1 系統實驗環(huán)境配置 25
4.3.2 liblinear庫介紹 26
4.3.3 系統實現及結果分析 27
4.4 本章小結 31
第五章 總結與展望 32
致謝 33
參考文獻 34
17000字
自己原創(chuàng)的畢業(yè)論文，已經通過校內系統檢測，重復率低，僅在本站獨家出售，大家放心下載使用
摘要： 本文主要研究了在目標測試類別不具有訓練樣本的情況下的人臉情感識別問題。通過介紹基于屬性的分類方法，將人臉表情對應的AU(Action Unit)表示作為該情感的屬性描述，將具有樣本的情感類別中的信息遷移到不具有樣本的測試類別中，進而實現了零樣本情況下的情感分類。
本文利用FACS系統中定義的AU單元作為屬性建立起面向人臉情感的屬性-類別矩陣，并將其作為信息遷移的依據。在獨立于分類階段對所有圖片進行了預處理和特征提取之后，從憤怒、蔑視、厭惡、、高興、悲傷、驚訝、中性八種表情中依次選取兩種表情作為零樣本測試類別，對本文提出的零樣本學習方法進行交叉檢驗。
實驗結果表明，利用屬性層傳遞信息是測試類別不具有訓練樣本的情況下建立分類系統的有效措施。當我們需要識別某種已有人臉數據庫中不包含的非基本表情時，只需要對該表情建立起具體的相關屬性描述，就可以不需要通過對這種非基本表情樣本的訓練，而直接進行測試分類。本方法具有良好的可推廣性和識別率，對人臉情感識別領域的發(fā)展具有一定意義。
關鍵詞： 人臉表情識別 零樣本學習 基于屬性的 動作單元
The design and realization of Facial expression recognition system based on zero-shot learning
Abstract We study the problem of facial emotion recognition when no training examples of the target classes are available.this setup can hardly been ignored in affective computing.In this paper,we tackle the problem by introducing attribute-based classification.It performs object detection based on using Action Unit as an attribute description of the emotion,and transferring informations from seen categories into unseen categories.
In this paper, by using Action Unit (AU) defined in FACS system we build an expression-oriented attributes-classes matrix as the basis of information transfer. After image preprocessing and feature extraction which is independent of the classification stage of all ,we selected the two kinds of expression from anger, contempt, disgust,, happy, sad, surprised and neutral as the zero sample test categories every times,make a five-fold cross-validation on the zero-shot learning algorithm proposed in this paper .
Our experiments show that by using an attribute layer it is indeed possible to build a learning object detection system that does not require any training images of the target classes.When we trying to identify some un-basic expression wich does not contained in existing face databases, what we need to do is only to establish the specific property description of the kind of expression, then we could directly testing the class without training samples of the un-basic expression. This method has good generalization and recognition accuracy, has a certain significance to the development of facial emotion recognition field.
Key words: facial expression recognition , attribute-based ,zero-shot learning , action unit (AU)
目 錄
第一章 緒論 1
1.1 研究背景及意義 1
1.2 國內外研究現狀 1
1.2.1 人臉情感識別研究現狀 1
1.2.2 零樣本分類研究現狀 3
1.3論文主要工作與結構內容安排 4
第二章 人臉表情識別技術概述 5
2.1 人臉表情識別系統結構 5
2.2 人臉數據庫 5
2.3 BOW算法框架介紹 7
2.4 FACS系統介紹 9
2.5 本章小結 12
第三章 基于屬性的零樣本情感識別方法設計 14
3.1問題的引入 14
3.2 情感屬性的確定 15
3.3基于屬性共享的情感信息遷移 18
3.2.1 基于AU屬性的情感分類理論 18
3.2.2 DEAP與IEAP預測方法的實現 20
3.5 本章小結 22
第四章 零樣本表情識別系統的設計與實現 23
4.1 系統功能分析 23
4.2 基于零樣本學習方法的人臉表情識別系統的設計 23
4.2.1 人臉表情識別流程 23
4.2.2 算法步驟 24
4.3 人臉表情識別系統的實現與結果示例 25
4.3.1 系統實驗環(huán)境配置 25
4.3.2 liblinear庫介紹 26
4.3.3 系統實現及結果分析 27
4.4 本章小結 31
第五章 總結與展望 32
致謝 33
參考文獻 34
