1、人臉包含性別、表情、身份、年齡等大量信息，在公共社會安全、經(jīng)濟財產(chǎn)安全、軍事、反恐刑偵、人機交互等電子信息安全領域發(fā)展的迫切驅動下，人臉表情和性別識別技術已經(jīng)成為一項極具發(fā)展?jié)摿Φ那把丶夹g，也是當前計算機視覺領域的研究熱點。讓計算機具有人的智能，代替人類進行記憶、識別，實現(xiàn)真正的智能時代具有十分重要的應用價值。然而人臉表情和性別識別技術也是計算機視覺領域的難點所在，其主要原因是人臉圖像在獲取過程中，受到光照、表情、姿態(tài)、遮擋物等環(huán)境因素

2、以及拍攝行為等因素的影響。因而，一個出色的人臉表情和性別識別算法應該對這些因素不敏感。
　　卷積神經(jīng)網(wǎng)絡是一種新型的神經(jīng)網(wǎng)絡，它將傳統(tǒng)的人工神經(jīng)網(wǎng)絡和深度學習技術相結合，具有局部感受野區(qū)域、層次結構化、特征提取和分類過程相結合的全局訓練特點，在圖像處理領域取得了巨大的成功。卷積神經(jīng)網(wǎng)絡主要有兩個特性，第一個是神經(jīng)元之間采用局部連接策略，第二個是同一層之間的神經(jīng)元權值共享，采取局部連接和權值共享的網(wǎng)絡結構降低了模型本身的復雜度，減少

3、了需要訓練的參數(shù)個數(shù)，這種網(wǎng)絡結構可以獲得某種程度上的平移、尺度和形變不變性。
　　本論文的主要工作如下:
　　1、首先系統(tǒng)的闡述了當前人臉表情識別和性別識別的國內(nèi)外研究現(xiàn)狀，概述了深度學習的起源以及取得的一些成果。然后介紹了神經(jīng)網(wǎng)絡的發(fā)展歷程，著重介紹了卷積神經(jīng)網(wǎng)絡的算法原理和經(jīng)典的網(wǎng)絡結構。
　　2、本論文主要研究了基于卷積神經(jīng)網(wǎng)絡下的人臉表情和性別識別。針對表情識別，首先根據(jù)人臉表情任務的特點，修改了AlexNe

4、t網(wǎng)絡結構，設計了一個新的卷積神經(jīng)網(wǎng)絡結構，并在網(wǎng)絡中添加了批規(guī)范化層，使得準確率有3％左右的提升;然后根據(jù)表情識別采用的數(shù)據(jù)集樣本數(shù)量，采用了微調(diào)的訓練機制，在GoogLeNet上，與從頭訓練的方式相比，準確率有了2％左右的提升，并且在使用VGGNet進行微調(diào)時，準確率達到了最高的71.27％，證明了針對本文使用的數(shù)據(jù)集，微調(diào)的策略優(yōu)于重新訓練;在利用GoogLeNet進行微調(diào)實驗時，還比較了Hinge損失函數(shù)和Softmax損失函數(shù)

5、的性能，發(fā)現(xiàn)后者優(yōu)化前者;最后針對現(xiàn)在的研究趨勢，設計了一個多網(wǎng)絡來進行融合，通過實驗發(fā)現(xiàn)，在較小的數(shù)據(jù)集上，多網(wǎng)絡的性能比單網(wǎng)絡差。針對性別識別，在VGGNet的基礎上，設計了一個3層的卷積神經(jīng)網(wǎng)絡，在adience數(shù)據(jù)集上，準確率達到了90.82％，在mygender數(shù)據(jù)集上準確率達到了97.10％;然后利用VGGNet在mygender數(shù)據(jù)集上進行微調(diào)，準確率達到了99.44％。
　　3、本文使用卷積神經(jīng)網(wǎng)絡在人臉表情和性別