基于卷积网络集成的面部表情识别方法

《基于卷积网络集成的面部表情识别方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号；ＴＰ巧单位代码；１０３３５密级：公开学号：２１３２１２９４硕±学位论文卷？．．论文题目基于卷积网络集成的面部表情识别方法作者姓名刘旷指导教师张明敏副教授学科（专业）计算机科学与技术所在学院计算机科学与技术学院提交日期二〇—六年王月二十日ＡＤｉｓｓｅｒｔａｔｉｏｎＳｕｂｍｉｔｔｅｄｔｏＺｈｅｉａｎｊｇＵｎｉｖｅｒｓｉｔｙｆｏｒｔｈｅＤｅｇｒｅｅｏｆＭａｓ１：ｅｒｏｆＥｎｇｉｎｅｅｒｉｎｇ戀ＴＩＴＬＥ：

2、Ｆ过ｃｉａｌＥｘｐｒｅｓｓｉｏｎ民ｅｃｏｇｎｉｔｉｏｎｗｉｔｈＣＮＮＥｎｓｅｍｂｌｅＡｕｔｈｏｒ：ＫｕａｎＬｉｕｇＳｕｐｅｒｖｉｓｏｒ：Ａｓｓｏｃ．Ｐｒｏｆ．ＭｉｎｇｍｉｎＺｈａｎｇＳｕｂｅｃｔ：ＣｏｍｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｊｐｙＣｏｌｌｅｇｅ；ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＳｕｂｍ－－ｉｔｔｅｄＤａｔｅ：２０１６０３２０基于卷积网络集成的面部表情识别施论文作雜名：

3、指説师签名：论文评阅人１：潘志庚教授杭州师范大学评阅人么万华根副教授浙江大学评阅人３：：评阅人４评阅人５：答辩委员会主席：潘志庚教授杭州师范大学委员１：杨文珍副教授浙江理工大学委员２：陆魁军副教授浙江大学委员３：张明敏副教授浙江大学：委员４委员５：－－答辩日期：２０１６０３１０ＦａｃｉａｌＥｘｐｒｅｓｓｉｏｎＲｅｃｏｇｎｉｔｉｏｎｗｉｔｈＣＮＮＥｎｓｅｍｂｌｅ戀，Ａｕ化ｏｒｓｓｉｎａ化ｒｅ：ｇ’Ｓｕｅｒ

4、ｖｉｓｏｒｓｓｉｎａｔｕｒｅ：ｐｇｌｒｓ：ｅｎｒｏｆＥｘｔｅｒｎａＲｅｖｉｅｗｅＺｈｉｇｇＰａｎＰ．ＨＺＮＵＨｕａｅｎＷａｎＡｓｓｏｃ．ｇｇ．ＰｒｏｆＺＪＵＥｘａｍｉｎｉｎｇＣｏｍｍｉｔｔｅｅＣｈａｉｒｐｅｒｓｏｎ；ＺｈｉｅｎＰａｎＰｒｏｆ．ＨＺＮＵｇｇＥｘａｍｉｎｉｎＣｏｍｍｉｔｅｅＭｅｍｂｅｒｓ：ｇＷｅｎｚｈｅｎＹａｎＡｓｓｏｃ．Ｐｒｏｆ．ＺＳＴＵｇｇＫｕｉｕｎＬｕＡ化ｏｃ．Ｐｒｏｆ．ＺＪＵｊＭｉｎｍｉｎＺｈａｎＡｓｓｏｃ．Ｐｒｏｆ．

5、ＺＪＵｇｇＤａｔｅ－０３－１０ｏｆｏｒａｌｄｅｆｅｎｃｅ：２０１６浙江大学研究生学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人己经发表或撰写过的研究成一果。与我，也不包含为获得浙江大学或其他教育机构的学位或证书而使用过的材料同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。！学位论文作者签名：签字日期；２０１６年３月１０日学位论文版权使用授权书本学位论文作

6、者完全了解浙江大学有权保留并向国家有关部口或机构送交本论文的复印件和磁盘。本人授权浙江大学可Ｗ将学位论文的全部或部，允许论文被查阅和借阅、分内容编入有关数据库进行检索和传播，可采用影印缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书）＾、＾ｋ吁ＶＵ、＼ｆ）学位论文作者签名：导师签名：签字日期：２０１６年３月１０日签字日期：２０１６年３月１０日浙江大学硕±学位论文＾巧要自动表情识别ＡｕｔｏｍａｔｅｄＦａｃｉａｌＥｘｒｅｓｓｉｏｎＲｅｃｏｎｉｔｉｏｎ

7、写ＦＥＲ（ｐｇ，缩）赋予计算机感知并尝试理解人类情感的能力。在计算机视觉、人机交互和情感计算领域都有着非常重大的研一究和应用价值。如果机器能够像人类样拥有感情的话，那么人类与机器的关系将会被彻底改变一，机器对于我们人类而言将不再只是种工具而已。一表情因其独特的必理属性，对于计算机而言存在定的分析和理解障碍。本质上表情是人类内也复杂情感的外在流露，而这些深藏于内的抽象感情难Ｗ被计算机量化表达。所一Ｗ对于我们而言。，表情识别也并不应仅仅归于种的图像分类问题而已受益于近几年来深度神经网络模型的快速发展，

8、特别是卷积网络在图像检测和识别方面取得的突破成果一，在本文中我们设计和实现了种基于卷积网络集成的模型来尝试解决一表情识别问题。我们的集成卷积网络模型包含两个阶段：第阶段，训练多个结构不同的卷积子网络模型。每个子网络模型包含着个数不同的卷积层，每个卷积层后连接着非线