基于深度学习的树莓派人脸与表情识别系统研究与设计.pdf

"基于深度学习的树莓派人脸与表情识别系统研究与设计" 本文研究基于深度学习的树莓派人脸与表情识别系统，旨在实现机器人理解人类情感和语义的能力。通过深度学习技术，系统可以识别人脸和表情，实现智能化的人机交互。 关键技术点： 1. 人脸识别：采用深度神经网络，在Linux上安装TensorFlow、Keras、OpenCV等套件，采用HOG进行特征提取，进行试验后，确定了2层卷积层，2次pooling等参数。 2. 表情识别：使用深度卷积神经网络DCNN来提取表情特征，具有良好的面部表情特征的分类性能。 研究背景： 随着智能机器和人工智能的快速发展，让机器人能够理解人类语义变得越来越迫切。当前，机器翻译已经达到了很高的水平，但只有让机器人理解人类情感，才能更好理解人类语义，实现无障碍沟通。 人脸与表情识别是一个交织的学科，其研究的内容涉及范围非常广泛，几乎涵盖了大部分的学科领域。随着技术的进一步成熟和社会认同度的提高，人脸识别或者表情识别技术将会应用在更多的领域。 研究现状： 国外研究现状： * 1872年达尔文的《人与动物的表情》一书出版并发行，他在书中根据人的神情特征把人类的心思情绪大致分为：痛苦、悲哀、快乐、不快、愤怒、厌恶、惊奇和害羞。 * 2003年Kevi nW．Bowyer等人提出人脸识别技术一般分为全局方法和局部方法，其中主成分分析（PCA）是最突出的一种全局方法。 * 2008年Mpi peri s，I ．等人提出了一种可以联合处理三维人脸和面部表情识别的双线性模型。 * 2009年J avi er Rui zdel Sol ar等人进行了一种适合在无约束环境中工作的人脸识别方法的比较研究。 * 2011年Hermosi l l a等人提出了一种基于局部兴趣点和描述符的鲁棒热面人脸识别方法。 * 2015年Monu U．Ragashe等人提出了一种可以在部分遮挡流视频中实时人脸识别方法。 * 2018年Geri g等人提出了一种基于高斯过程的人脸配准新的开源管道，以及在人脸图像分析中的应用。 * 2019年Vani t a J ai等人提出了一种基于深度学习的人脸识别方法。 国内研究现状： * 本文基于深度学习的树莓派人脸与表情识别系统研究与设计。 * 本文采用深度神经网络，在Linux上安装TensorFlow、Keras、OpenCV等套件，采用HOG进行特征提取，进行试验后，确定了2层卷积层，2次pooling等参数。 * 本文使用深度卷积神经网络DCNN来提取表情特征，具有良好的面部表情特征的分类性能。 结论： 本文研究基于深度学习的树莓派人脸与表情识别系统，旨在实现机器人理解人类情感和语义的能力。系统可以识别人脸和表情，实现智能化的人机交互。本文的研究结果为人脸与表情识别技术的发展提供了新的方向和思路。