基于深度学习的人脸表情识别开题报告

1. 研究目的与意义（文献综述）

随着社会的发展，人与人之间的交流与合作越来越频繁和复杂，而人脸表情是人类情感信息交流中的重要组成部分。心理学家mehrabian的研究表明，在人类的日常交流中，通过人脸表情传递的信息高达信息总量的55%，而通过声音、语言传递的信息则分别占信息总量的38%和7%。当文字不能传递更明确的情感信息的时候，表情便提供了更具有意义和区分性的信息。因此，通过人脸表情可以得到很多有价值的信息，这些信息可以反应出人的意识和心理活动。

近年来，人们试图利用计算机视觉和图像处理技术分析表情图像的状态特征，自动对人类面部表情进行识别。其应用前景非常广泛，例如人机智能交互、情感计算、智能监控、动画合成、电子游戏、心理学和医疗监控等各个方面。人脸表情识别对于相关的学科和领域起着促进发展作用，同时，基于人脸表情识别技术的相关技术凭借其给人们生活带来的便利和有趣的应用，受到广泛欢迎，因此，随着计算机处理能力的不断增强，研究更复杂和更准确的表情识别技术有重要意义。人脸表情识别为人工智能注入了新的血液，对人工智能的研究开始了复兴，掀起了又一次的研究高潮。

随着近几年物联网、穿戴式设备的飞速发展，人们对设备的互动、控制的发展方向也不仅限于触控，越来越多地涉及到语音、图像识别，也正因表情识别与情感分析结合能带来便捷、人性化的交互体验，进而在教育、公共安全、公共服务、医疗等领域提供更多优质服务和体验，表情识别拥有巨大的科研价值和商业价值，全球众多著名学府和it公司也都表示出了极大的关注和支持。

2. 研究的基本内容与方案

经过几十年的发展，人脸表情自动识别已经形成了一个完整的体系，其主要的步骤有图片获取、人脸检测与图像预处理、表情特征提取及表情分类等。人脸表情识别是在人脸识别的基础上发展而来的，其图片采集的方式是大体相同的。人脸表情识别更注重的是一个确定面部上的细微的表情变化，所以在人脸表情识别中一般采集正面的单人面部的图片，为了更方便地专注于算法的改进，人脸表情识别实验中常采用专业人脸表情图像库，如：jaffe、ck/ck 、mmi、yale、ar、bu-3dfe、清华大学人脸表情视频数据库、bhu人脸表情数据库、cas-peal人脸数据库等。

本次毕业设计是基于深度学习的技术来进行人脸表情识别，因此要阅读大量的文献以及搜索相关资料，学习深度学习的理论知识，并在现有人脸表情库上，设计并实现一种识别方法。

通常对物体对象的识别和分类（recognition or classification）需要经历大致过程如下：图像或视频的预处理、对图像或视频提取特征生成特征向量、利用分类器或者其他机器学习的分类方法进行分类。对于表情分类而言，我们的重点放在提取特征和采用合适的分类方法上。

3. 研究计划与安排

第1-2周：查阅相关文献资料，完成开题报告和5000字以上的英文资料翻译；

第3-6周：查阅相关文献资料，学习深度学习的理论知识；

第7-9周：使用深度学习的相关算法，设计并实现一种人脸表情识别方法；

4. 参考文献（12篇以上）

[1] 王大伟，周军，梅红岩，等. 人脸表情识别综述[j]. 计算机工程与应用，2014（20）：149-157.

[2] zhiding yu，cha zhang. image basedstatic facial expression recognition with multiple deep network learning.redmond： ieee，9 november 2015.http://research.microsoft.com/pubs/258194/icmi2015_chazhang.pdf

[3] 施徐敢. 基于深度学习的人脸表情识别[d]. 浙江省：浙江理工大学，2015.