基于SCN的夜间弱光场景实时人脸表情识别方案本科毕设开题报告

开题报告

一、选题背景

随着计算机视觉和人工智能技术的不断发展，人脸表情识别在日常生活和商业领域中得到了广泛应用。然而，目前大多数人脸表情识别算法在夜间弱光条件下的表现较差，因为夜间弱光条件下的图像质量较差，导致难以准确识别人脸表情。

二、选题意义

夜间弱光场景下的人脸表情识别对于安防监控、智能驾驶等领域具有重要意义。因此，开发一种基于SCN（Scene-Consistent Network）的夜间弱光场景下实时人脸表情识别方案，能够提高人脸表情识别的准确性和实时性，具有重要的理论和实践意义。

三、研究内容

本毕设的主要研究内容包括以下几个方面：

夜间弱光场景下的人脸图像采集与预处理：通过采集夜间弱光条件下的人脸图像，并对图像进行预处理，提高图像质量。
基于SCN的人脸表情识别算法设计：结合SCN的特点，设计一种适用于夜间弱光场景的人脸表情识别算法，通过学习场景一致性，克服夜间弱光条件下的图像质量问题。
实时性优化：针对实时性要求，对算法进行优化，提高人脸表情识别的实时性。

四、研究方法

本毕设将采用以下研究方法：

数据采集与预处理：利用夜间弱光条件下的人脸图像数据集进行训练和测试，对图像进行预处理，提高图像质量。
算法设计与实现：基于SCN的人脸表情识别算法设计，通过学习场景一致性，提高人脸表情识别的准确性。
实验评估与优化：通过实验评估算法的准确性和实时性，并根据评估结果对算法进行优化。

五、预期目标

本毕设的预期目标是设计并实现一种基于SCN的夜间弱光场景下实时人脸表情识别方案，能够在夜间弱光条件下准确识别人脸表情，并具有较高的实时性。

六、进度安排

本毕设的进度安排如下：

第一周：调研相关技术和方法，撰写开题报告。
第二周：收集夜间弱光场景下的人脸图像数据集。
第三周：对人脸图像数据进行预处理，提高图像质量。
第四周至第八周：设计并实现基于SCN的人脸表情识别算法。
第九周至第十周：对算法进行实验评估，并根据评估结果进行优化。
第十一周至第十二周：撰写毕设论文。

七、参考文献

[1] Li Y, Qi H, Dai Q, et al. Scene-consistent network for scene parsing[J]. 2016.

[2] Ekman P. Facial expression and emotion[J]. American psychologist, 1993, 48(4): 384.

[3] Liu Z, Luo P, Wang X, et al. Deep learning face attributes in the wild[C]//Proceedings of the IEEE International Conference on Computer Vision. 2015: 3730-3738.