基于Python的人脸表情识别系统的设计与实现开题报告

1. 研究目的与意义

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。

用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主。

2. 课题关键问题和重难点

基于python的人脸表情识别系统分为四个大模块：基于深度学习的人脸检测、基于深度学习的人脸数字化、基于深度学习的参数比对以及相似度计算、基于深度学习的数据排序以及结果反馈。

本课题拟完成基于python的人脸表情识别系统的设计与实现。

本课题的关键：1. 人脸的图像获取2. 图像中人脸部分的检测3. 人脸特征的参数化本课题难点：1. 表情识别问题，即通过将输入的人脸图像与库中所存的数据进行比对，计算相似度，根据计算单结果排序，给出表情信息。

3. 国内外研究现状（文献综述）

计算机网络技术日新月异的进步和互联网的日益普及，使人类生活发生了巨大的变化。

越来越多的软件硬件都与互联网结合了起来，融入了大家触手可及的设备当中。

而随着我国对人工智能研究的一步步深入，许多在以前看起来非常先进罕见的科技也出现在了大家的日常生活里。

4. 研究方案

2.本系统的难点与解决方法：1）情绪数据管理部分能够将不同的情绪设置为数学数值以便后续对比使用，此部分数值的设置需要参考互联网现有的人脸表情数据库以求得相对客观的数值。

2）人脸识别部分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，以便算法能够通过数据对比来识别锁定人脸。

3）人脸数据化部分算法能将图片中的人脸特征进行矩阵数据化，在识别到人脸后，将图片中人脸的表情转化为与之对应的新数据，方便最终进行对比以此确定表情，这需要借助我们搭建的神经网络来实现。

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。