基于零样本学习方法的人脸表情识别系统的设计与实现[独家原创].doc
约38页DOC格式手机打开展开
基于零样本学习方法的人脸表情识别系统的设计与实现[独家原创],基于零样本学习方法的人脸表情识别系统的设计与实现17000字自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用摘要： 本文主要研究了在目标测试类别不具有训练样本的情况下的人脸情感识别问题。通过介绍基于属性的分类方法，将人脸表情对应的au(action unit)表示作为该情感的属性描...
内容介绍
此文档由会员 小丑88 发布
基于零样本学习方法的人脸表情识别系统的设计与实现
17000字
自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用
摘要： 本文主要研究了在目标测试类别不具有训练样本的情况下的人脸情感识别问题。通过介绍基于属性的分类方法，将人脸表情对应的AU(Action Unit)表示作为该情感的属性描述，将具有样本的情感类别中的信息迁移到不具有样本的测试类别中，进而实现了零样本情况下的情感分类。
本文利用FACS系统中定义的AU单元作为属性建立起面向人脸情感的属性-类别矩阵，并将其作为信息迁移的依据。在独立于分类阶段对所有图片进行了预处理和特征提取之后，从愤怒、蔑视、厌恶、、高兴、悲伤、惊讶、中性八种表情中依次选取两种表情作为零样本测试类别，对本文提出的零样本学习方法进行交叉检验。
实验结果表明，利用属性层传递信息是测试类别不具有训练样本的情况下建立分类系统的有效措施。当我们需要识别某种已有人脸数据库中不包含的非基本表情时，只需要对该表情建立起具体的相关属性描述，就可以不需要通过对这种非基本表情样本的训练，而直接进行测试分类。本方法具有良好的可推广性和识别率，对人脸情感识别领域的发展具有一定意义。
关键词： 人脸表情识别 零样本学习 基于属性的 动作单元
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 录
第一章 绪论 1
1.1 研究背景及意义 1
1.2 国内外研究现状 1
1.2.1 人脸情感识别研究现状 1
1.2.2 零样本分类研究现状 3
1.3论文主要工作与结构内容安排 4
第二章 人脸表情识别技术概述 5
2.1 人脸表情识别系统结构 5
2.2 人脸数据库 5
2.3 BOW算法框架介绍 7
2.4 FACS系统介绍 9
2.5 本章小结 12
第三章 基于属性的零样本情感识别方法设计 14
3.1问题的引入 14
3.2 情感属性的确定 15
3.3基于属性共享的情感信息迁移 18
3.2.1 基于AU属性的情感分类理论 18
3.2.2 DEAP与IEAP预测方法的实现 20
3.5 本章小结 22
第四章 零样本表情识别系统的设计与实现 23
4.1 系统功能分析 23
4.2 基于零样本学习方法的人脸表情识别系统的设计 23
4.2.1 人脸表情识别流程 23
4.2.2 算法步骤 24
4.3 人脸表情识别系统的实现与结果示例 25
4.3.1 系统实验环境配置 25
4.3.2 liblinear库介绍 26
4.3.3 系统实现及结果分析 27
4.4 本章小结 31
第五章 总结与展望 32
致谢 33
参考文献 34
17000字
自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用
摘要： 本文主要研究了在目标测试类别不具有训练样本的情况下的人脸情感识别问题。通过介绍基于属性的分类方法，将人脸表情对应的AU(Action Unit)表示作为该情感的属性描述，将具有样本的情感类别中的信息迁移到不具有样本的测试类别中，进而实现了零样本情况下的情感分类。
本文利用FACS系统中定义的AU单元作为属性建立起面向人脸情感的属性-类别矩阵，并将其作为信息迁移的依据。在独立于分类阶段对所有图片进行了预处理和特征提取之后，从愤怒、蔑视、厌恶、、高兴、悲伤、惊讶、中性八种表情中依次选取两种表情作为零样本测试类别，对本文提出的零样本学习方法进行交叉检验。
实验结果表明，利用属性层传递信息是测试类别不具有训练样本的情况下建立分类系统的有效措施。当我们需要识别某种已有人脸数据库中不包含的非基本表情时，只需要对该表情建立起具体的相关属性描述，就可以不需要通过对这种非基本表情样本的训练，而直接进行测试分类。本方法具有良好的可推广性和识别率，对人脸情感识别领域的发展具有一定意义。
关键词： 人脸表情识别 零样本学习 基于属性的 动作单元
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 录
第一章 绪论 1
1.1 研究背景及意义 1
1.2 国内外研究现状 1
1.2.1 人脸情感识别研究现状 1
1.2.2 零样本分类研究现状 3
1.3论文主要工作与结构内容安排 4
第二章 人脸表情识别技术概述 5
2.1 人脸表情识别系统结构 5
2.2 人脸数据库 5
2.3 BOW算法框架介绍 7
2.4 FACS系统介绍 9
2.5 本章小结 12
第三章 基于属性的零样本情感识别方法设计 14
3.1问题的引入 14
3.2 情感属性的确定 15
3.3基于属性共享的情感信息迁移 18
3.2.1 基于AU属性的情感分类理论 18
3.2.2 DEAP与IEAP预测方法的实现 20
3.5 本章小结 22
第四章 零样本表情识别系统的设计与实现 23
4.1 系统功能分析 23
4.2 基于零样本学习方法的人脸表情识别系统的设计 23
4.2.1 人脸表情识别流程 23
4.2.2 算法步骤 24
4.3 人脸表情识别系统的实现与结果示例 25
4.3.1 系统实验环境配置 25
4.3.2 liblinear库介绍 26
4.3.3 系统实现及结果分析 27
4.4 本章小结 31
第五章 总结与展望 32
致谢 33
参考文献 34
