基于非负矩阵分解的人脸表情识别的开题报告

基于非负矩阵分解的人脸表情识别的开题报告一、研究背景人类的表情是面部表情肌肉的一组动态变化或者一种感情状态。人脸表情在人际交往、情感传递和心理波动等方面具有重要的意义。现有的研究中，面部表情的分类和识别可以应用于人机交互、情感根据和安全保障等领域，而智能嵌入式系统、智能家居、自动驾驶等领域也需要实现面部表情的识别。因此，人脸表情识别技术成为目前研究的热点，其中基于非负矩阵分解算法的人脸表情识别方法已经在大量的相关研究中获得了应用。二、研究目的本文旨在研究基于非负矩阵分解算法的人脸表情识别，并通过算法实现表情分类与识别。三、研究内容本文拟采用以下研究内容进行研究：1、非负矩阵分解原理的讲解2、人脸识别的基本概念和现有技术的评述3、基于非负矩阵分解的人脸表情识别算法的设计与实现。4、通过实验对算法的正确性和效果的验证。四、研究方法本文将采用以下的研究方法：1、文献调研。对人脸表情识别领域相关的发展历程、研究现状、最新发展等进行综述分析。2、原理论证。对非负矩阵分解原理进行解释，以及与人脸表情识别结合的可行性进行论证。3、算法设计与实现。通过MATLAB等软件，设计基于非负矩阵分解的人脸表情识别算法，并实现算法程序。4、实验验证。采用公共数据集和实验室采集的数据，对算法的正确性和效果进行实验验证，并与其他算法进行比较分析。五、预期成果通过本文的研究，我们期望获得如下成果：1、明确人脸表情识别领域发展的现状和未来的发展方向。2、对基于非负矩阵分解算法的人脸表情识别方法的优势进行阐述，以及能够实现表情分类的准确率。3、提出可在实际场景中应用的基于非负矩阵分解的人脸表情识别模型。4、完成算法实现，并能够将该算法应用于实际人机交互场景。六、进度安排本文计划于2021年的6月初开始进行研究，以下是进度安排：1、6月第一周，了解人脸表情识别领域的现状并制定研究计划。2、6月第二周至第三周，对非负矩阵分解原理进行解释，并与人脸表情识别结合进行可行性探讨。3、6月第四周至7月第二周，设计基于非负矩阵分解的人脸表情识别算法，并编写MATLAB代码。4、7月第三周至第四周，实验验证算法的正确性和性能，并与其他算法进行比较分析。5、8月至9月，完成论文撰写和答辩准备工作。七、参考文献[1]吴逸舟,贾志鹏,付昆,等.基于非负矩阵分解的人脸表情识别[J].中南林业科技大学学报(自然科学版),2017,37(11):7-12.[2]Zhang,Z.(2014).Aflexiblenewtechniqueforcameracalibration.IEEETransactionsonPatternAnalysisandMachineIntelligence,22(11),1330-1334.[3]梅志伟,沈龙,言毅之.基于LBP-TOP特征与图像融合的人脸表情识别[J].光学精密工程,2014,22(2):401-409.[4]王晓晨,焦旭斌,鲍维,等.一种基于文化遗传算法的特征选择方法及其在人脸表情识别中的应用[J].中国科学E辑:数学,2012,42(10):1106-1119.[5]Ma,Y.,&Zhang,H.(2003).Facerecognitionbasedonfeatu