基于人工智能的表情识别系统的设计与实现开题报告

1. 研究目的与意义

我的毕业设计课题是基于人工智能的表情识别系统的设计与实现。

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。

除了安防、金融这两大领域外，人脸识别还在交通、教育、医疗、警务、电子商务等诸多场景实现了广泛应用，且呈现出显著应用价值。

2. 课题关键问题和重难点

【关键问题】（1）对提交上去的图片进行检测，识别图中有没有人脸。

（2）因为表情识别系统需要实时定位跟踪人脸并提取面部表情变化信息，所以系统容易受到外界干扰，减少干扰的算法还有待提高。

（3）实现不同姿势，不同角度的人脸也能进行识别（4）识别目标人脸的表情，给以判断是伤心还是开心或者其他的表情。

3. 国内外研究现状（文献综述）

在计算机视觉和模式识别领域，人脸识别技术（face recognition technology，简称frt）是极具挑战性的课题之一。

近年来，随着相关技术的飞速发展和实际需求的日益增长，它已逐渐引起越来越多研究人员的关注。

人脸识别在许多领域有实际的和潜在的应用，在诸如证件检验、银行系统、军队安全、安全检查等方面都有相当广阔的应用前景[1]。

4. 研究方案

1. 系统功能结构1） 图片人脸识别部分图片存储管理：将要识别的图片放入特定的路径中，然后对其表情识别，识别出来的结果也放在特定的文件夹中图片表情识别管理：利用训练好的神经网络模型对图片进行判断并把结果放在图片中的人脸旁边，作为一张新图片输出2） 摄像头人脸识别部分摄像头管理：管理使用哪个摄像头作为输入设备，并输入摄像头捕捉到的画面。

摄像头表情识别管理：算法能够精确检测到图片中的人脸，以此进行后续的矩阵化操作，此部分需要我们对人脸的每一项特征都进行数据化，灰度归一化，以便算法能够通过数据对比用一个矩形来锁定人脸。

3）卷积神经网络的搭建我们在写代码时会用到nunpy、matplotlib、sklearn等库，最终用tensorflow框架搭建cnn模型来进行图片分类，按数值的最高匹配度来确定表情的类别。

5. 工作计划

2022-2022-1学期：第15-16周：完成选题，查阅相关中英文资料。

第17周：与导师沟通进行课题总体规划。

第18-19周：导师下发毕业设计（论文）任务书，学生根据导师的要求进行外文翻译，列出开题报告大纲，进行开题报告的撰写。