面部表情识别系统设计与实现开题报告

全文总字数：6695字

1. 研究目的与意义（文献综述）

近年来，随着计算机技术的进一步发展，人工智能的概念逐渐被更多人了解、支持。图像识别作为人工智能的重要组成部分，近年来也取得了很多成果，人脸识别作为图像识别的一部分也在逐渐趋于成熟。在这个背景下，如果可以在人脸识别的基础上，通过一些算法，让计算机也可以做到察言观色，可以辨别人们的表情情感，那么计算机将可以更好地帮助人们，为人们的日常生活服务。

面部表情识别，主要是根据面部表情判断对方的心理情绪，反应人们的内心活动，是人们向外流露出个人情感的基本方式之一，通过“察言观色”，可以帮助理解对方的情绪与意图。早期，著名心理学家a.mehirabian的一项研究表明,人们的交流方式主要有语言、声音和面部表情，其中，通过面部表情传递情感占了55%^[1]。可见，通过面部表情传递情感的方式在日常生活中是最普遍的，占据着重要的位置。

从19世纪开始，国外就有研究者对人脸表情开始做一些研究。1971年，ekman和friesen建立了含有六种人脸表情的数据集，分别是高兴、生气、吃惊、恐惧、厌恶和悲伤，通过细致的对比与研究，阐述了这六种表情给人脸面部带来的一些变化^[2]。到了20世纪90年代，k.mase和a.pentland利用光流分析法来判断人脸表情变化所引起肌肉运动的方向^[3,4]，以此来识别人脸面部表情，这将面部表情识别带入了一个新的高度。

2. 研究的基本内容与方案

2.1基本内容

研究现有的面部表情识别方法，对比他们的优缺点, 挑选出最优方案设计面部表情识别算法,实现面部表情识别系统。

对面部表情识别算法进行实验评估分析及改进。

3. 研究计划与安排

第一阶段（2020年1月11日-2020年1月31日）：阅读相关文献，主要是关于机器学习的文献。

第二阶段（2020年2月1日-2020年2月28日）：完成机器学习分类算法的学习

第三阶段（2020年3月1日-2020年3月31日）：获取相应的数据集，对数据集的数据进行处理。

4. 参考文献（12篇以上）

[1] ko b. a brief review of facial emotion recognition based onvisual information[j]. sensors, 2018, 18(2): 401.

[2] valstar m f, mehu m, jiang b, et al. meta-analysis of thefirst facial expression recognition challenge[j]. ieee transactions on systems,man, and cybernetics, part b (cybernetics), 2012, 42(4): 966-979.

[3] lucey p, cohn j f, kanade t, et al. the extendedcohn-kanade dataset (ck ): a complete dataset for action unit andemotion-specified expression[c]//2010 ieee computer society conference oncomputer vision and pattern recognition-workshops. ieee, 2010: 94-101.