基于神经网络的面部表情鉴别系统的研究与实现_定稿1.doc

北京理工大学珠海学院2011届本科生毕业论文基于神经网络的面部表情鉴别系统的研究与实现学院：计算机学院专业：姓名：指导老师：网络工程蔡梓枫学号：职称：160205104739袁沐春讲师中国·珠海二○二〇年五月北京理工大学珠海学院2020届本科生毕业论文诚信承诺书本人郑重承诺：本人承诺呈交的毕业设计《基于神经网络的面部表情鉴别系统的研究与实现》是在指导教师的指导下，独立开展研究取得的成果，文中引用他人的观点和材料，均在文后按顺序列出其参考文献，设计使用的数据真实可靠。承诺人签名：日期：年月日基于神经网络的面部表情鉴别系统摘要随着人工智能时代的发展，以人为本的研究理念开始成为主要研究方向。为了能够让计算机理解人类的意愿和内心需求，面部表情鉴别成为计算机了解人类情绪变化的关键技术。它通过对人脸面部表情特征进行特征提取和分类，从而辨别面部表情。目前为止，在众多行业例如人机交互、网络在线教育、安全驾驶等均能看到该技术的应用价值。针对面部表情鉴别技术的研究方法众多，而本文主要研究的是基于神经网络的面部表情鉴别系统。本次论文选择Fer2013数据集作为本次模型训练的数据集并对其进行预处理，得到六种表情的数据集。其次运用卷积神经网络原理采用Tensorflow2.0深度学习框架设计一种11层网络结构的模型，包括4层卷积层、3层池化层和4层全连接层，并对其训练结果进行分析。根据最后的测试，该模型的面部表情鉴别精度为62%。将利用摄像头实时采集人脸图像并对其进行鉴别，而对于Normal和happy的鉴别效果较好，其余表情的鉴别次之。针对以上结果，本文提出该方案的可行性以及不足点。关键词：面部表情鉴别技术，数据集预处理，卷积神经网络，Tensorflow框架FacialexpressionidentificationsystembasedonNeuralNetworkAbstractWiththedevelopmentoftheeraofartificialintelligence,thepeople-orientedresearchconcepthasbecomethemainresearchdirection.Inordertoallowcomputerstounderstandhumanwishesandinnerneeds,facialexpressionidentificationhasbecomeakeytechnologyforcomputerstounderstandchangesinhumanemotions.Itdistinguishesfacialexpressionsbyextractingandclassifyingfeaturesoffacialexpressions.Sofar,theapplicationvalueofthistechnologycanbereflectedinmanyindustriessuchashuman-computerinteraction,onlineeducationandsafedriving.Therearemanyresearchmethodsforfacialexpressionidentification,andthispapermainlystudiesthefacialexpressionidentificationsystembasedonneuralnetwork.Inthispaper,theFer2013datasetisselectedasthedatasetforthismodeltrainingandpre-processedtoobtainadatasetofsixexpressions.Then,an11-layernetworkstructuremodelbasedontheprincipleofconvolutionalneuralnetw