基于卷积神经网络的人脸表情检测开题报告

1. 研究目的与意义（文献综述）

面部表情是一种刻画情绪、认知、主体状态以及他们在社会交往中的作用和角色的方法。在面对面的交流中,面部表情能够传达非语言的交流信息,这些信息能够作为语音的辅助帮助听者推断出说话人的意图。在人际沟通中，人们通过控制自己的面部表情，可以加强沟通效果。人脸表情是传播人类情感信息与协调人际关系的重要方式，据心理学家a.mehrabia的研究表明，在人类的日常交流中，通过语言传递的信息仅占信息总量的7%，而通过人脸表情传递的信息却达到信息总量的55%，由此可见一个人的表情在其交流的过程中所传递的信息中的占比是很大的，在交流过程中起到很大的作用。

人类的面部表情至少有21种，除了常见的高兴、吃惊、悲伤、愤怒、厌恶和恐惧6种，还有惊喜（高兴＋吃惊）、悲愤（悲伤＋愤怒）等15种可被区分的复合表情。一般来说，面部各个器官是一个有机整体，协调一致地表达出同一种情感。面部表情是人体（形体）语言的一部分，是一种生理及心理的反应，通常用于传递情感。

由于面部表情携带信息的原因,因此它对于自然和谐的人机接口目标的实现具有相当重要的意义。通过对表情的识别可以很好的推断出这个人此时的意图或者内心想要表达的意思，这就是表情识别的目的和意义。

2. 研究的基本内容与方案

研究的基本内容是通过设备的摄像头获取到人脸，然后对人脸的表情进行实时识别，最后再输出人脸的表情是什么。

本论文对人脸表情识别所使用的方案是使用卷积卷积神经网络来识别人脸表情。方案可以分为两部分，一部分是人脸表情的获取，另一部分是人脸表情的识别。第一部分是使用摄像头来实时监测人脸，利用opencv库里的库函数对人脸进行截取，截取出相应大小人脸表情，然后将三通道的rgb人脸表情图转为单通道的人脸表情灰度图，从而得到人脸表情的灰度图；第二部分是使用人脸表情的样本数据对卷积神经网络的训练，再通过测试样本对卷积神经网络进行测试，选取准确率最高的那一个卷积神经网络的参数，并以次参数作为用于表情识别时卷积神经网络的参数。

最经典的卷积神经网络如图1所示，后来的大多数卷积神经网络都是在此结构上改进。以灰度图作为输入，然后经过卷积核(3x3或5x5)进行卷积操作，提取人脸表情图的相应特征，得到下采样的图。然后经过池化层进行池化操作(最大池化或平均池化)，池化操作可以有效地防止过拟合。其间可以有多个交替的卷积层和池化层。然后再经过全连接层，最后经过softmax层输出识别可能性最大的类别。

3. 研究计划与安排

1. (3.1-3.14) 英文文献翻译

2. (3.15-3.18) 开题报告

3. (3.19-4.5) 系统方案设计

4. 参考文献（12篇以上）

参考文献

[1] 牛玉虎. 卷积稀疏自编码神经网络[j]. 计算机与现代化, 2017(02): 22-29.

[2] 徐新飞, 刘惠义. 基于卷积神经网络的人脸表情识别[j]. 国外电子测量技术, 2018,37(1):106-110.