导读:本文包含了面部表情论文开题报告文献综述、选题提纲参考文献，主要关键词:表情,面部,卷积,神经网络,特征,传感器,算法。
面部表情论文文献综述写法
王思明,梁运华[1]（2019）在《基于改进LBP的人脸面部表情特征提取方法（英文）》一文中研究指出面部表情识别中,局部二值模式(Local binary pattern, LBP)是一种重要的纹理特征提取方法,但其在特征提取时维度较高、提取速度慢、不能得到有效的局部或者全局特征,因而提出了一种基于改进LBP的人脸面部表情特征提取方法。该将LBP转化为双局部二值模式(Double local binary pattern, DLBP),融合泰勒展开式(Taylor expansiion, TE),生成DLBP-TE算法,此算法结合极限学习机(Extreme learning machine, ELM)分类算法应用于七种表情分类中,在日本成年女性面部表情(JAFFE)数据库中进行实验。结果表明,此方法能显着提高面部表情识别率。(本文来源于《Journal of Measurement Science and Instrumentation》期刊2019年04期）
王海荣[2]（2019）在《面部表情追踪技术在VR设备中的发展研究》一文中研究指出文章对面部表情追踪技术在VR设备中的发展趋势进行了研究,首先对面部表情追踪的原理加以说明,分析了以接触式传感器和非接触式传感器为基础的两种面部表情追踪技术。并通过对虚拟现实设备发展概况的介绍,着重阐述了VR设备中面部表情追踪技术硬件系统实现的叁种主流类型,并对这叁种类型的性能进行了分析比较。探讨了以主流的VR头戴式显示设备为开发平台的面部表情追踪技术在各领域内的应用,并对面部表情追踪技术的应用前景进行了总结和展望。(本文来源于《电脑知识与技术》期刊2019年32期）
谭小慧,李昭伟,樊亚春[3]（2019）在《基于多尺度细节增强的面部表情识别方法》一文中研究指出人类面部表情是其心理情绪变化的最直观刻画,不同人的面部表情具有很大差异,现有表情识别方法均利用面部统计特征区分不同表情,其缺乏对于人脸细节信息的深度挖掘。根据心理学家对面部行为编码的定义可以看出,人脸的局部细节信息决定了其表情意义。因此该文提出一种基于多尺度细节增强的面部表情识别方法,针对面部表情受图像细节影响较大的特点,提出利用高斯金字塔提取图像细节信息,并对图像进行细节增强,从而强化人脸表情信息。针对面部表情的局部性特点,提出利用层次结构的局部梯度特征计算方法,描述面部特征点局部形状特征。最后,使用支持向量机(SVM)对面部表情进行分类。该文在CK+表情数据库中的实验结果表明,该方法不仅验证了图像细节对面部表情识别过程的重要作用,而且在小规模训练数据下也能够得到非常好的识别结果,表情平均识别率达到98.19%。(本文来源于《电子与信息学报》期刊2019年11期）
赵淑玲,闻智[4]（2019）在《不同年龄病人基本面部表情识别特点的研究》一文中研究指出[目的]测试中青年人、年轻老年人和高龄老年人对基本面部表情的识别能力,探讨老年人(年轻老年人和高龄老年人)面部表情识别特点对护患沟通的意义。[方法]2016年5月—2017年6月,按年龄将124例病人分为中青年组(n=43)、年轻老年人组(n=46)和高龄老年人组(n=35)。利用面部表情编码系统测试3组人群面部表情识别能力。面部表情编码系统包括6种基本表情(幸福、悲伤、惊讶、恐惧、愤怒和厌恶),每种表情分为低强度、高强度和极强度。采用反应时长和识别正确率作为分析指标对3组人群面部表情识别能力进行比较。[结果]除恐惧和厌恶表情外,高龄老年人组的正确识别率低于中青年组和年轻老年人组,差异均具有统计学意义(P<0. 05),注视时间也长于中青年组,差异有统计学意义;中青年人和年轻老年人在面部表情的正确识别率和反应时长方面差异均无统计学意义(P>0. 05),但年轻老年人和高龄老年人之间认知能力的差异程度较大,尤其是面对悲伤和惊讶的面部表情。[结论]老年人随着年龄增加,面部表情识别能力逐步减弱,提高情绪强度可以提高识别率。(本文来源于《护理研究》期刊2019年21期）
郑少阳,林晓斌[5]（2019）在《一种基于Kinect的二维叁维混合面部表情识别方法》一文中研究指出目前面部表情识别的研究和应用大多基于二维图像。文章提出一种基于Kinect设备的二维叁维混合面部表情识别方法。通过结合Kinect设备捕捉到的面部特征点位置及动画单元的特征,来确定由面部表情产生的叁维网格的形变。应用基于支持向量机的分类方法及基于表情分析和最大置信度的融合算法对表情进行识别。实验表明,该方法比基于二维图像的识别方法性能更好。(本文来源于《计算机时代》期刊2019年11期）
蒋秋宇,张立军,孟德建[6]（2019）在《基于改进人脸区域提取方式的面部表情识别算法》一文中研究指出在智能汽车领域,以面部表情为载体的情绪检测技术可以用于分析乘员生理及心理的变化情况,从而实时调控行驶状态及车内环境状态,以提高驾驶过程中的安全性并改善用户体验。本文基于回归树集合提取的面部特征点的方法改进了人脸区域提取方式,在该区域取以面积为2像素的两矩形模板和面积为3像素的叁矩形模板所形成Haar-like特征作为图像特征,最后利用支持向量机进行表情分类。这一方法对人脸表情的识别率有明显的提高,所提取出的人脸区域对于表情识别更具适应性。(本文来源于《2019中国汽车工程学会年会论文集（1）》期刊2019-10-22）
[7]（2019）在《从视频与照片中辨别陌生人的面部表情》一文中研究指出本研究旨在探索个体从陌生人的面部视频和图片中能够多准确地推测其自发表情和模仿表情。前人对表情识别的研究,大多都采用人为模仿的表情作为实验材料,本研究采用由表情照片诱发的真实面部反应作为实验材料,探讨动态(视频)和静态(照片)线索对辨别陌生人表情的影响。正式实验中,被试在电脑上观看陌生人的面部反应,然后辨别他/她是观看六种基本情绪照片中的哪一种。结果表明:(1)无论是自发表情还是模仿表情,个体都能正确辨别;(2)个体对模仿表情的识别显着好于对自发表情的识别;(3)个体对开心表情的识别率最高;对惊讶表情的识别显着优于对恐惧表情的识别。(本文来源于《第二十二届全国心理学学术会议摘要集》期刊2019-10-19）
张啸,周连喆,张琳琳[8]（2019）在《基于改进LeNet-5的面部表情识别方法》一文中研究指出针对现有面部表情识别算法耗时长、收敛速度慢、分类精度低等问题,对LeNet-5网络的框架和内部结构进行双重优化和改进,并提出一种基于改进LeNet-5的面部表情识别方法。为了能够提取更加多样化的特征,同时提升特征表达能力,首先增加卷积层和池化层的个数,调整网络内部参数;其次,通过对卷积层、全连接层进行批规范化处理,提高网络模型的泛化能力;最后,3个池化层以maxpool_avgpool_avgpool的组合方式进行重迭池化。在FER2013人脸表情数据库进行实验,结果表明改进后的模型相较于目前的算法具有更高的识别精度。(本文来源于《计算机与现代化》期刊2019年10期）
黄倩露,王强[9]（2019）在《基于跨连特征融合网络的面部表情识别》一文中研究指出传统神经网络特征单向处理难以有效利用高层抽象特征和低层细节特征,不能获得更多有用信息,为此提出跨连特征融合神经网络(cross-connected feature fuse,CFF)模型,进一步提高面部表情分类的准确率。在AlexNet卷积神经网络的基础上,通过结合低层池化层与高层池化层中的特征,获取更多全面、细致的表情特征信息,使用矩阵的方式表示模型处理过程。在REN_VFEdb面部表情数据库上的实验结果表明,CFF的分类准确率为93.56%,比AlexNet卷积神经网络提高了1.12%。(本文来源于《计算机工程与设计》期刊2019年10期）
李升辉,李虹静[10]（2019）在《基于深度卷积神经网络的面部表情自动识别检测》一文中研究指出在人机交互领域中,对人脸的表情进行自动识别是一项有趣且十分具有挑战性的工作,尤其是对视频及图像中的人脸进行表情识别。提出一种能够自动从图像或者视频中找到人脸,进而对其表情进行识别的网络模型。在包含人脸图像的数据集中训练模型,使其自动检测图像中的人脸,并根据人脸识别其表情。最后在测试的数据集上验证该模型的表现。(本文来源于《科技与创新》期刊2019年17期）
面部表情论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
文章对面部表情追踪技术在VR设备中的发展趋势进行了研究,首先对面部表情追踪的原理加以说明,分析了以接触式传感器和非接触式传感器为基础的两种面部表情追踪技术。并通过对虚拟现实设备发展概况的介绍,着重阐述了VR设备中面部表情追踪技术硬件系统实现的叁种主流类型,并对这叁种类型的性能进行了分析比较。探讨了以主流的VR头戴式显示设备为开发平台的面部表情追踪技术在各领域内的应用,并对面部表情追踪技术的应用前景进行了总结和展望。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
面部表情论文参考文献
[1].王思明,梁运华.基于改进LBP的人脸面部表情特征提取方法（英文）[J].JournalofMeasurementScienceandInstrumentation.2019
[2].王海荣.面部表情追踪技术在VR设备中的发展研究[J].电脑知识与技术.2019
[3].谭小慧,李昭伟,樊亚春.基于多尺度细节增强的面部表情识别方法[J].电子与信息学报.2019
[4].赵淑玲,闻智.不同年龄病人基本面部表情识别特点的研究[J].护理研究.2019
[5].郑少阳,林晓斌.一种基于Kinect的二维叁维混合面部表情识别方法[J].计算机时代.2019
[6].蒋秋宇,张立军,孟德建.基于改进人脸区域提取方式的面部表情识别算法[C].2019中国汽车工程学会年会论文集（1）.2019
[7]..从视频与照片中辨别陌生人的面部表情[C].第二十二届全国心理学学术会议摘要集.2019
[8].张啸,周连喆,张琳琳.基于改进LeNet-5的面部表情识别方法[J].计算机与现代化.2019
[9].黄倩露,王强.基于跨连特征融合网络的面部表情识别[J].计算机工程与设计.2019
[10].李升辉,李虹静.基于深度卷积神经网络的面部表情自动识别检测[J].科技与创新.2019