摘 要： 随着现代人工智能和信息技术的快速进步发展，计算机中的情感心理分析愈发重要，其中应用人脸表情识别技术去知晓学生的心理状态从而与学生进行沟通，解决学生所遇到的困扰。同样人脸表情识别技术还可以应用于医院，以便于医生能够更好的了解患者的情绪状态，从而帮助患者尽快恢复。人脸识别技术已经可以广泛应用于公共社会生活，具有巨大的应用发展潜能。由于人脸面部表情容易受太阳光照和面部角度变化影响的特 点，所以通过利用计算机去获得人脸面部表情图像或面部表情视频去准确理解他人真实心理状态会变得十分困难。当前国内外相关研究者多从特征提取和模型分类器设计两个方面进行研究。目前，由于传统微表情识别方法存在着会丢失大量有效特征信息而导致识别精度降低和自适应能力弱等问题。所以，本篇论文主要是为了提高人脸表情识别的准确性，提出了一种基于 Dropout 方法和数据扩增方法优化卷积神经网络模型，从而提高对人脸微表情识别的准确性。经过一系列实验表明，本论文所提出的方法，可以有效提高人脸微表情识别的准确性，而且具有良好的自适应能力。

 

 

 

关 键 词 ： 深度学习，卷积神经网络，微表情识别

 

目 录

1绪论 3

1.1课题研究背景及意义 3

1.2深度学习的相关理论 3

1.3论文的主要内容及结构安排 4

2微表情的识别技术与数据库介绍 5

2.1国内外研究现状 5

2.2人脸微表情识别技术的研究 5

2.3人脸微表情的数据库 6

2.4本章小结 8

3基于深度学习的人脸微表情识别算法研究 8

3.1卷积神经网络 8

3.2卷积神经网络优化方案 12

3.3本章小结 16

4实验结果与分析 16

4.1实验数据与判断标准 16

4.2本章小结 19

结论 20

参考文献 21

致谢 22