基于深度学习的人脸表情识别研究开题报告

1. 研究目的与意义

人脸识别是一种生物识别技术，它能够根据人的面部特征识别人的性别、年龄、身份、状态等，人脸蕴藏着丰富的信息，在实际人际交往中，面部表情扮演着重要角色，它是人类情感的一种重要表现形式，人类情绪主要通过面部表情传达，识别人类表情能够使人类与机器的交流更有效，随着人工智能的发展，人脸表情识别一直作为领域内热门的研究方向，在很多场景中得到了广泛的应用，如：视频解析、汽车安全驾驶、情感机器人等。

可见，表情识别技术发展极其迅猛，也极具应用价值，是人工智能研究中的核心部分。

本课题旨在对深度学习算法进行研究，并将其应用于人脸表情识别中。

2. 课题关键问题和重难点

基于深度学习的人脸表情识别研究的关键问题在于人脸的检测、图像的预处理、特征的提取以及人脸表情的识别等等问题。

人脸的检测从各种人脸图像中能够识别出人脸；图像的预处理主要从人脸的图像中进行几何尺寸和像素值进行规范化等处理，以便提高表情识别的准确率；特征的提取从人脸图像中提取出人脸表情具有代表性的特征信息；人脸表情的识别是从提取特征与人脸表情库中的数据对比从而判定图片中人脸是何表情。

而收集表情数据也是一个重要的工作，数据是我们研究的对象和载体，算法可能因为数据的不同而呈现不一样的效果。

3. 国内外研究现状（文献综述）

随着技术的发展，人们越来越多地尝试利用机器视觉技术和图像处理技术来实现自动化的人脸表情识别技术。

人脸表情是人类情绪变化和心理活动最基本最直观的表达方式，人脸表情识别就是利用现代计算机技术自动地识别不同面部表情的研究。

人脸表情识别是机器视觉和模式识别等领域的一大富有挑战性的研究课题。

4. 研究方案

项目将运用python语言进行课题的研究，分析和整合具体需要的技术原理和数据，以及搭建好整个过程所需要的环境，以openCV、TensorFlow（keras）作为工具及技术框架，对训练好的人脸表情识别模型进行验证，并且依据构建好的网络模型，实现一个可视化的表情识别系统，自动识别人脸表情并显示识别结果。

5. 工作计划

第1周：撰写开题报告和完成外文翻译。

第2周：进行课题总体规划和课题的详细设计。

第3-5周：进行课题模块化设计并进行模块代码编写与调试。