基于递归神经网络的情感识别文献综述
【内容摘要】表情识别分为人脸图像的获取与预处理、表情特征提取和表情分类三部分。近年来在机器学习领域出现了以卷积神经网络为突破点的纯数据驱动的特征学习算法。卷积神经网络组合了特征提取、特征选择和分类三个过程，形成了一种端到端的全自动识别的过程。基于视频序列的多任务人脸表情识别方法利用卷积神经网络和递归神经网络结构，有效的分离身份特征和人脸表情特征。
【关键词】表情识别 卷积神经网络 递归神经网络
引言
在可预见的未来，随着互联网和人工智能的发展，人和机器的关系将越来越密切。在人和机器之间建立合理有效的沟通尤为必要。
情感是人类显著的特征，不能理解人的情感就很难让机器和人更好地沟通。因此，如何快速、准确地识别人的情感，是人机交互中的关键。此外，通过一个全新的角度看待人的情感，对于我们自己的情感认识也是大有裨益。
正文
现今情感识别主要通过提取、分析人的表情、动作、语音、文字等信息来获悉人的情感状态或分析理解人的情感。表情识别是情感识别的直接和基础途径，也是人机直接交互的基本要求。表情识别分为人脸图像的获取与预处理、表情特征提取和表情分类三部分。
人脸图像检测与定位就是在输入图像中找到人脸确切的位置，它是人脸表情识别的第一步。人脸检测的基本思想是用知识或统计的方法对人脸建模，比较待检测区域与人脸模型的匹配程度，从而得到可能存在人脸的区域。其方法大致可分为以下两类：(1)基于统计的人脸检测是将人脸图像视为一个高维向量，将人脸检测问题转化为高维空间中分布信号的检测问题。(2)基于知识的人脸检测是利用人的知识建立若干规则，从而将人脸检测问题转化为假设、验证问题。
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。
