摘要：人脸是一种具有唯一性和不易被复制性的目标，存在着大量体现个体差异性的细节之处。人脸表情是人们进行情感交流的一种重要方式，在人际交往中可以反映人的微妙的情绪变化以及人对应的心理状态。心理学家Ekman与Friesen的研究说明人的每一种独特的心理活动都由不同的面部表情表示，这六种情感分别为愤怒、喜悦、悲伤、吃惊、厌恶和害怕。目前表情识别已经被大量应用于生理学、心理学、生物特征识别等方面，所以对人脸表情的研究具有极其重要的意义。虽然近些年人脸表情识别发展迅速，但是由于年龄、环境等因素，人脸表情在角度、光照、遮挡物等外界条件的影响下，具有一定的成像差异。

机器学习是一门专门从事计算机模仿或完成人类学习行为以获取新知识或技能，重组现有知识构造以及不断提高其性能的学科。深度学习的概念源于人工神经网络，能够建立、模拟人脑进行分析学习的神经网络，对数据进行解释分析（例如图像、声音等等）。

本文在结合相关研究的基础上，使用Caffe深度学习框架以及LeNet卷积神经网络在BP4D数据集上训练网络模型。

关键词：人脸表情识别；深度学习；Caffe；LeNet

目录

摘要

Abstract

1  绪论-1

1.1  课题研究背景及意义-1

1.2  国内外研究现状-1

2  深度学习理论基础-2

2.1  引言-2

2.2  深度学习的基本思想-3

2.3  深度学习训练过程-4

2.4  深度学习常用模型-5

2.4.1  AutoEncoder自动编码器-5

2.4.2  卷积神经网络-5

3  CAFFE深度学习框架-6

3.1  Caffe深度学习框架简介-6

3.2  Caffe深度学习框架的特点-7

4  实验与结论-8

4.1 BP4D数据库介绍-8

4.2 LeNet模型简介-9

4.3 框架环境配置-10

4.4 训练数据-11

4.4.1  选取数据集-11

4.4.2  批量处理图片集添加标签-12

4.4.3  转化lmdb格式-13

4.4.4  计算图片数据的均值-14

4.4.5  网络定义-14

4.4.6  训练数据-15

4.4.7  绘制网络模型-16

4.4.8  绘制loss和accuracy曲线-16

4.5  测试模型-17

5-总结-17

参 考 文 献-19