宏信息辅助的微表情识别研究的开题报告.docx

宏信息辅助的微表情识别研究的开题报告
一、选题背景
随着交互技术的不断进步和普及，微表情识别技术在人机交互、情感计算、安防监控等领域都有着广泛的应用。但是对于微表情的识别存在一定的挑战，主要表现在：1、表情微弱难以察觉；2、微表情发生时间短暂且频率较高，需要精准的时间抽取和特征提取；3、微表情往往受到个体差异、环境影响等因素的干扰，难以准确识别。
基于以上挑战，本研究拟利用宏信息作为辅助手段，提高微表情识别的准确率和鲁棒性。
二、研究目的
本研究主要旨在利用宏信息作为辅助手段，提高微表情识别的准确率和鲁棒性，包括以下几个方面：
1、建立一个包括宏信息的微表情数据集。
2、研究并提取微表情和宏信息的有效特征。
3、设计并实现微表情识别算法的具体方法，并进行实验验证。
三、研究内容与方法
1、微表情数据集建立
本研究将采集国内外公开的微表情数据集，包括CASME、SMIC、SEED和SAMM等数据集，并通过人工筛选和标注，建立一个包括宏信息的丰富微表情数据集。
2、微表情和宏信息的特征提取
研究微表情和宏信息的有效特征，并将它们融合起来，以提高微表情识别的准确率和鲁棒性。
3、微表情识别算法的设计与实现
提出一种新的微表情识别算法，包括微表情和宏信息的特征提取以及融合方法，最终实现微表情识别。
四、预期成果
通过本研究的努力，预期可实现对微表情的准确识别，并探索利用宏信息作为辅助手段在微表情识别中的作用。主要成果包括：
1、建立一个包括宏信息的微表情数据集。
2、研究并提取微表情和宏信息的有效特征。
3、实现微表情识别算法的具体方法，并进行实验验证。
五、进度安排
本研究计划分为以下几个阶段：
第一阶段：文献综述与数据集建立（2个月）
阅读文献，了解微表情识别的相关研究进展和现状。搜集国内外公开的微表情数据集，并进行人工筛选和标注。
第二阶段：特征提取与方法设计（4个月）
研究微表情和宏信息的特征提取算法，并将它们融合起来，以提高微表情识别的准确率和鲁棒性。设计微表情识别算法并实现。
第三阶段：实验验证与数据分析（4个月）
利用建立好的数据集进行实验验证，对研究结果进行数据分析及结论总结。
第四阶段：研究报告撰写（2个月）
撰写开题报告、中期检查报告及研究报告。
六、参考文献
[1]夏金平,王佳华,毛维宁,等.基于微表情的身份认证系统[J].电子设计工程,2019,27(10):125-128.
[2]TanM,WuX,LiuJ,etal.Facialmicro-expressionrecognitionbasedonimprovedconvolutionalneuralnetwork[C]//2018InternationalConferenceonCyberneticsandIntelligentSystems(CIS)andIEEEConferenceonRobotics,AutomationandMechatronics(RAM).IEEE,2018:369-374.
[3]DuanY,LiH,LuY,etal.Micro-expressionrecognitionbasedonimprovedconvolutionalneuralnetwork[C]//2019IEEEInternationalConferenceonElectronicsInformationandEmergencyCommunication(ICEIEC).IEEE,2019:417-420.