论文总字数：14241字

摘 要

近年来，随着人工智能研究的不断深入，人与计算机之间的交互更加为研究者关注，尤其是面部情绪的识别，是人机交互的的重点领域之一。面部情绪识别即，将人的面部情绪特征，经过处理转化为计算机可以识别的数字信号输入计算机，利用人类已有的知识，使计算机识别，处理，得到结果，从而使得人门可以从面部情绪中分析情绪。

本文主要基于深度学习，研究了人脸情绪分析识别系统中两个重要的部分，即所谓面部跟踪和情绪识别。人脸跟踪是人脸情绪识别系统的第一步，也是分析的重要前提。而人脸情绪识别是此项工作中最重要的一步，是对之前获得的人脸情绪特征进行判断和识别。

此次研究采用了深度学习相关算法，对人脸的情绪进行了识别，其中主要的工具为卷积神经网络与Python语言，在此基础上主要对人脸的疲劳情绪进行研究。其中的关键技术是人脸获取，情绪特征提取，特征分类。并且搭建了一个基于卷积神经的情绪识别系统，能够有效检测出采样对象是否处于疲劳状态。

关键词： 深度学习 卷积神经网络 疲劳识别 哈尔特征

Deep Network Training for Fatigue Facial Expression Recognition and Its Application

Abstract

abstract In recent years, with the deepening of artificial intelligence research, the interaction between human and computer is more concerned by researchers, especially the recognition of facial emotion, which is one of the key areas of human-computer interaction. Facial emotional recognition is to transform human facial emotional features into digital signals that can be recognized by computer and input them into the computer. With the existing knowledge of human beings, the computer can recognize and process the facial emotions and get the results, so that people can analyze the emotions from the facial emotions. In this paper, based on in-depth learning, two important parts of the face emotion analysis and recognition system, namely, the so-called face tracking and emotion recognition, are studied. Face tracking is the first step of face emotion recognition system, and also an important prerequisite for analysis. Face emotion recognition is the most important step in this work, which is to judge and recognize the emotional features of the face obtained before. In this study, deep learning algorithm is used to recognize facial emotion. The main tools are convolutional neural network and Python language. On this basis, the fatigue emotion of face is mainly studied. The key technologies are face acquisition, emotional feature extraction and feature classification. An emotional recognition system based on convolutional nerve is built, which can effectively detect whether the sampled object is in fatigue state. Key words: deep learning convolutional neural network fatigue recognition Hal feature

目录

第一章 引言 4

1.1 情绪识别的背景及研究意义 4

1.2 情绪识别的发展历程与研究现状 5

1.3 本文的研究工作和组织框架 6

第二章 基于dlib库的人脸检测 7

2.1人脸检测介绍 7

2.2平台与方法介绍 7

2.3 总结 11

第三章 基于Adaboost算法的人脸检测 12

引言 12

1、算法原理 12

2、分类器 13

3、级联分类器 13

3.2 实验运行与分析 15

3.3 总结 17

第四章 基于YOLO算法的疲劳表情识别 18

4.1 引言 18

4.2 设计思路 20

4.3 实验流程设计 20

4.4YOLO算法 21

第五章 总结与展望 24

5.1 本文工作总结 24

5.2 后续研究讨论 24

参考文献 25

致 谢 27

第一章 引言

情绪识别的背景及研究意义

近年来，随着人工智能研究的不断深入，人与计算机之间的交互更加为研究者关注，尤其是面部情绪的识别，是人机交互的的重点领域之一。面部情绪识别即，将人的面部情绪特征，经过处理转化为计算机可以识别的数字信号输入计算机，利用人类已有的知识，使计算机识别，处理，得到结果，从而使得人门可以从面部情绪中分析情绪。

例如在开车过程中，司机如果疲劳驾驶则可能酿成重大交通事故，如果能提前观察到驾驶员的精神状态，及时检测到司机处于疲劳驾驶状态时发出警告，便可消弭灾祸于萌芽阶段，阻止交通事故的发生。目前，面部情绪研究已有了初步应用：

请支付后下载全文，论文总字数：14241字