基于卷积神经网络的人脸表情识别及特征可视化开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

1、课题的意义当前，我们处在一个数据激增的时代，人工智能和图像识别技术日趋成熟，并且逐渐应用与我们的日常生活中。

其中，人脸的表情和姿态的识别因其技术的综合性和贴近生活，已经成为了非常热门的研究方向。

表情识别在我们日常生活中扮演非常重要的角色。

2. 研究的基本内容和问题

1.研究目标和方向本次研究基于卷积神经网络算法对人脸表情进行识别，主要的研究内容如下（1）学习了解卷积神经网络的基本原理和实现方式，并通过tensorflow搭建人脸图像的识别系统。

（2）研究并实现若干种样本扩充技术，对标准库中的有限张图像进行样本扩充，获得足够数量的学习和测试样本。

（3）了解并分析已有的标准人脸表情库，使用标准表情库对神经网络进行训练和测试。

3. 研究的方法与方案

（1）通过阅读文献了解相关的研究现状的基本的研究方法，了解卷积神经网络（cnn）和反卷积和可视化技术。

学习tensorflow的使用方法和样本扩充技术。

（2）获取并分析标准人脸表情库，确定标签含义。

4. 研究创新点

1. 使用多种样本扩充技术，将有限的样本扩充到一个较大的数量，确保神经网络拥有足够的训练集。

2. 将多种传统人脸识别算法与卷积神经网络进行对比，研究不同特征提取方法得到的图像特征的区别，并且研究不同算法间的区别。

3.使用反卷积和可视化技术，对神经网络提取出的特征图像进行分析，获取神经网络在各个卷积层中所提取的特征，通过所获得各层的特征对卷积神经网络的各层参数进行调节，使网络获得更高的识别率。

5. 研究计划与进展

2017.12-2018.01完成开题工作2018.01-2018.02配置开发环境，学习cnn算法和样本扩充技术。

扩充已有样本集，获取足够的训练和测试样本。

2018.02-2018.03 基于tensorflow实现卷积神经网络，完成学习和测试。