基于注意力机制的人脸表情识别研究
摘要:随着计算机视觉的快速发展，人脸识别的应用开始渗透到生活中的方方面面，从门禁到手机的人脸解锁，一个简单的对视摄像头动作使生活方式发生了很大的变化，不再麻烦地刷卡和滑动屏幕。人脸识别凭借着高效地识别正确率为社会带来了巨大的便捷， 因为科技的优势将得到更好的发展。运用Python语言和Opencv、Keras 等技术设计了一个以Python为语言基础，可以通过卷积神经网络进行数据训练的人脸识别AI系统。该方案的实施结果表明，基于卷积神经网络的人脸识别AI系统是可行的。
关键词:Python语言;卷积神经网络;人脸识别;Opencv技术
- 引言
人脸表情识别技术是人工智能领域新兴的一个研究方向，它在智能化的人际交互中具有广阔的应用前景。同时，该技术还被广泛应用在交通、医疗和公共安全等方面。近年来，人脸表情识别技术受到了更多学者的关注，成为了人工智能领域的又一研究热点。因此，对人脸表情识别技术的研究具有重要的理论意义和实际的应用价值。
- 名词解释
人脸识别:人脸识别，是一个以人脸检测为基础的技术，将检测到的人脸信息与已存储的人脸信息进行算法运算比较，判断是否为已认证的人脸信息并返回结果，这项技术可以通过摄像头进行实时识别，通常也叫做人像识别、面部识别。
OpenCV: OpenCV 是一个开源图像处理工具包，里面封装好了和计算机视觉有关的函数库，可以实现很多图像的基本处理，如膨胀、二值化处理、模糊、平滑等。工具包中包含的有关人脸检测的函数库，对于检测人脸位置和范围有着很高的正确率，通过调用实现图像处理等功能可以很大地降低编程人员的工作量。OpenCV的版本包含了C, C ，Java， Python。
卷积神经网络：是一种有深度的前馈神经网络，包括卷积层和池化层，人工神经元可以响应周围单元，可以进行大型图像处理。卷积神经网络包括一维卷积神经网络、二维卷积神经网络以及三维卷积神经网络。一维卷积神经网络常应用于序列类的数据处理;二维卷积神经网络常应用于图像类文本的识别;三维卷积神经网络主要应用于医学图像以及视频类数据识别。
- 算法模型
深度学习在计算机视觉上是非常流行的技术。本文选择卷积神经网络（CNN）层作为构建基础创建模型架构。
典型的卷积神经网络包涵输入层，卷积层，稠密层（比如，全联接层）和输出层。
输入层需要预处理，输入固定维度的数据。所以图片需先预处理再传入输入层。使用OpenCV（计算机视觉库）做图像面部识别。OpenCV是一个用于图像处理、分析、机器视觉方面的开源函数库。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
