摘要：2006年以来，深度学习的出现使得计算机能够模拟人脑的机制对图片文本等数据进行解释分析，进一步推进了人工智能的发展。随着人工智能的发展，人们对于人机交互的需求也日益增强。表情识别作为人机交互中重要的组成部分，引起了广泛的研究。心理学研究表明，人们面部表情所表达出的信息比人类的话语更加真实可信。因此，读懂人类表情对于人类之间的情感交流具有重大意义。为了让机器能够识别人类的情绪从而使得人机交流更加方便有效，机器应该从人类面部表情来预测人类的情绪。由于传统机器学习需要复杂的特征工程。本文选择使用深度学习的方法来实现表情识别，使用Xception网络来搭建表情识别所需要的神经网络。通过对fer2013数据集的训练获得表情识别的数学模型。将需要检测的图片或实时视频先经过灰度化，归一化等预处理，在进行人脸检测，最后通过模型得到表情分类。在fer2013的测试集中获得了66%的准确率。在对于日常图片的检测中也有较高的准确率。

关键词：表情识别；GoogLeNet；深度学习；人工智能

目录

摘要

ABSTRACT

1.绪论-1

1.1什么是表情-1

1.2研究背景和意义-1

1.3国内外研究现状-2

2.需求分析-3

2.1数据集的提取-3

2.2 训练集和测试集的划分-3

2.3神经网络搭建-3

2.4图片和模块功能需求-4

3.卷积神经网络-4

3.1全连接层-5

3.2卷积层-5

3.3 特征映射-6

3.4池化层-6

3.5感受野-7

3.6权重-7

4 Inception网络-8

4.1 inceptionV1-8

4.2 批归一化（Batch Normalization， BN）-9

4.2 inceptionV2、V3-10

4.3 Xception-11

5.网络学习训练-12

5.1编程语言-12

5.2图像处理工具-12

5.3深度学习框架-12

5.4优化器-13

5.5损失函数-13

5.6激活函数-13

5.7分类器-14

5.8 L2正则化-14

5.9人脸表情数据库-15

5.10图片预处理-15

5.11图片归一化-15

5.12图片灰度化-16

6系统实现-17

6.1图片数据的获取-17

6.2神经网络搭建-18

6.3训练-20

6.4静态图片识别实现-21

6.5视频表情识别实现-23

7.系统测试-24

7.1测试目的-24

7.2图片测试结果-24

7.3 视频测试结果-25

8.总结与展望-25

致谢-28

参考文献-27