基于递归神经网络的的情感识别开题报告

1. 研究目的与意义

在可预见的未来，随着互联网和人工智能的发展，人和机器的关系将越来越密切。

在人和机器之间建立合理有效的沟通尤为必要。

情感是人类显著的特征，不能理解人的情感就很难让机器和人更好地沟通。

2. 国内外研究现状分析

1. 国外研究概状20世纪70年代美国心理学家ekman和friesen定义了人类的6种基本表情：高兴(happy)、生气 (angry)、吃惊 (surprise)、恐惧(fear)、厌恶(disgust)和悲伤(sad)，确定了识别对象的类别，并且建立了面部动作编码系统（facial action coding system，facs），使研究者能够按照系统划分的一系列人脸动作单元描述人脸面部动作，通过人脸运动和表情的关系检测人脸面部细微表情。

1991年，k mase和a pentland首先使用光流来判断肌肉运动的主要方向，然后提取局部空间中的光流值，组成表情特征向量构建了人脸表情识别系统。

该系统识别率接近80%，可以识别高兴、生气、厌恶和惊奇4种表情。

3. 研究的基本内容与计划

1. 研究内容（1）情感识别通过识别图片或视频中的人脸表情实现对人的情感识别。

表情识别分为人脸图像的获取与预处理、表情特征提取和表情分类三部分。

（2）递归神经网络递归神经网络（recursive neural network）提出于1990年，是具有树状阶层结构且网络节点按其连接顺序对输入信息进行递归的人工神经网络。

4. 研究创新点

通过卷积神经网络提取人的表情特征并输入递归神经网络，结合卷积神经网络的图像识别、特征提取优势和递归神经网络的对序列信息的理解与预测优势，使表情识别更加立体和精确。