基于卷积神经网络的微表情识别

发布时间：2023-09-28 22:32

　　微表情是一种自发式的表情,在人们试图隐藏自身真实情感时产生,既无法伪造,也无法抑制,可以用来揣度一个人的真实心理状态,微表情识别在临床医学、刑侦、公共安全等领域具有重要的应用价值。本文对基于卷积神经网络的微表情识别进行研究分析,并给出三种改进的基于卷积神经网络的微表情识别方法。本文的主要工作如下:(1)给出了一种基于2D-3D双流卷积神经网络的微表情识别方法。针对三维卷积不能对时间信息、空间信息分开优化以及提取时间信息尺度单一化的问题,给出了一种双时间尺度三维卷积神经网络,去除空间池化层以提高对于静态特征的提取能力,时间卷积与空间卷积并行连接使两者的参数优化过程分开进行,增加不同维度的时间卷积以增加时间信息的多样性,从而提取微表情的短时特征。为了获取微表情视频中运动信息,利用计算差分信息图的方式将视频的运动信息集中于一张图像,并利用二维残差网络对差分信息图进行综合分析,从而提取微表情的长时特征。为了同时利用长时特征和短时特征,将双时间尺度三维卷积神经网络与基于差分信息图的残差网络的特征图相加融合得到2D-3D双流卷积神经网络,并进行微表情识别。(2)给出了一种基于峰值帧与运动区域的微表...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 微表情数据库
    1.4 本文主要工作内容与章节安排
2 深度学习相关理论知识
    2.1 深度学习的研究现状
    2.2 卷积神经网络
        2.2.1 局部感知野和权值共享
        2.2.2 激活函数
    2.3 三维卷积神经网络
        2.3.1 三维卷积层
        2.3.2 三维池化层
    2.4 典型卷积神经网络
    2.5 本章小结
3 基于2D-3D双流卷积神经网络的微表情识别
    3.1 引言
    3.2 2D-3D双流卷积神经网络
        3.2.1 双时间尺度三维卷积神经网络
        3.2.2 基于差分信息图的二维残差网络
    3.3 实验结果
        3.3.1 实验准备工作
        3.3.2 实验结果及分析
    3.4 本章小结
4 基于峰值帧与运动区域的微表情识别
    4.1 引言
    4.2 峰值帧的定位
    4.3 运动区域的提取
    4.4 基于峰值帧与运动区域的卷积神经网络
    4.5 实验结果
        4.5.1 实验准备工作
        4.5.2 实验结果及分析
    4.6 本章小结
5 基于注意力机制的微表情识别
    5.1 引言
    5.2 注意力机制
        5.2.1 空间注意力
        5.2.2 通道注意力
    5.3 基于注意力机制的卷积神经网络
    5.4 实验结果
        5.4.1 实验准备工作
        5.4.2 实验结果及分析
    5.5 本章小节
总结与展望
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果



本文编号：3848742