论文总字数：19349字

摘 要

人脸表情识别是图像识别的一个重要领域，人机交互技术在目前的发展不断深入，人脸表情的识别和研究已经变成计算机视觉领域特别重要、且流行并且必要的课程，它是把人脸的面部表情特征提取出来后进行分类。在当下，人脸表情识别技术广泛应用在汽车驾驶安全性、系统监控和案件侦破等重要领域，是一门非常必要的研究项目课题，研究价值极高。人脸表情识别方法的在传统技术上，识别的精度以及适用范围是非常低的，但是近些年来，伴随着卷积神经网络的快速发展，人脸表情识别技术也顺势得到了飞速的发展,识别的精度大幅度的提高，并且适用范围也越来越广泛。

本文是基于卷积神经网络设计并实现了人脸表情识别系统，在设计中采用了Wider Face开源数据集作为人脸检测的数据集，使用Python开发语言与Keras框架，以ResNet18作为人脸表情识别的算法，加速机器学习模型的设计与实现。

关键词：人脸识别；人脸表情识别；卷积神经网络；深度学习

Research and Implementation of Facial Expression Recognition Method

Abstract

Facial expression recognition is an important field of image recognition, human-computer interaction technology has been developed in depth, facial expression recognition and research has become a particularly important, popular and necessary course in the field of computer vision, it is to extract the facial expression features of faces for classification. At present, facial expression recognition technology is widely used in the important fields of automobile driving safety, system monitoring and case detection, which is a very necessary research project, and the research value is extremely high. The accuracy and application range of facial expression recognition is very low in the traditional technology, but in recent years, it is very low With the rapid development of convolutional neural network, facial expression recognition technology has also been developed rapidly, the accuracy of recognition has been greatly improved, and the scope of application is more and more extensive.

This paper designs and implements facial expression recognition system based on convolutional neural network. in the design, Wider Face open source data set is used as the data set for face detection. Python development language and Keras framework is used to accelerate the design and implementation of machine learning model.

Keywords: Face Recognition; Facial Expression Recognition; Convolutional Neural Network; Deep Learning

目录

摘要 1

Abstract 2

第一章 绪论 1

1.1课题背景 1

1.2 目的和意义 1

1.3开发工具及技术 2

1.3.1 Python简介 2

1.3.2 Pip简介 2

1.3.3 Keras 2

1.3.4 opencv简介 3

1.3.5 Wider Face简介 3

1.3.6 ResNet简介 3

第二章 算法详解 3

2.1 CNN算法详解 4

2.1.1 整体描述 4

2.1.2 基本理论 5

2.2 全连接层概述 8

2.2.1全链接层的向前传播 8

2.3 BP神经网络 12

2.3.1 BP神经网络的概念 12

2.3.2 BP神经网络流程 13

2.3.3 BP神经网络输入与输出的关系 13

2.4 人脸检测算法概述 15

2.4.1 MTCNN算法详解 16

2.5 ResNet18算法详解 18

第三章 系统的设计与实现 19

3.1 思路与实验配置 19

3.1.1 设计思路 19

3.1.2 实验配置（训练参数） 20

3.2 图像预处理算法概述 20

3.3 构建及训练模型 21

3.3.1 构建CNN网络每一层 21

3.3.2 识别 24

3.4 实验结果（绘制loss和accuracy曲线） 25

思考与展望 26

参考文献 27

致谢 28

第一章 绪论

1.1课题背景

近些年来，计算机的应用技术日渐成熟而且发展迅猛，计算机的存在的必要性在学习工作和日常生活越来越突出，计算机相关技术的发展的同时，人们对计算机的期望与要求都越来越高，人们期望使用计算机能够达到理解自己内心的想法的目的，最终使得计算机完成一些人们想达到的工作目标。要求计算机达到一定的智能化，就是这就是我们经常说的人工智能，人工智能就是对人类情感的理解，而且人们的情感有很多种表达方式，而最重要的是来自于表情，所以人脸的表情识别便成为了人工智能的核心部分。所以近些年来有越来越多的研究人员进行表情识别的研究，但是现阶段人脸表情识别技术也是非常困难的，因为它受环境、角度、光线、种族等很多因素的影响，这就要求对各个表情进行一个明确的定义，这样就可以有一个统一的标准实现人脸表情识别，现阶段最常见的人脸，表情有开心、生气、悲伤、厌恶、惊讶、恐惧，许多其他的表情都是建立在以上六种表情的基础上。

人脸表情识别技术是人脸识别技术的一个门类，人脸表情识别是通过静态图像或者摄像头采集的视频文件中提取出人脸表情，然后识别出对象的面部表情。人脸表情识别研究出的的理论能更有效地实现计算机技术和人类的交流，使得计算机能够对人脸表情进行理解并且识别出来，可以有效的改变计算机与人类上的关系，让计算机更好地为我们服务，进而得到更高效的人机交互体验。

请支付后下载全文，论文总字数：19349字