全文总字数：1719字
1. 毕业设计（论文）主要内容：
面部表情识别技术主要的应用领域包括人机交互、智能控制、安全、医疗、通信等领域。
如商场门店的顾客情绪分析，即通过摄像头捕获商场或门店的顾客画面，分析其面部表情，再进一步解读出客人的情绪信息，分析顾客在商场的体验满意度，从而有针对性地进行改进经营策略，有效地提高商场的收益水平，本毕业设计要求在基于机器学习算法开发面部表情识别系统.
2. 毕业设计（论文）主要任务及要求
主要任务：
1.对常见的机器学习分类算法进行分析和总结
2. 收集网络上的表情数据库3.设计并实现基于机器学习分类算法，并设计一个面部表情识别app，可以正确识别出包括：悲伤，快乐，生气，厌恶，惊奇，恐惧，中立等面部表情。
3. 毕业设计（论文）完成任务的计划与安排
2020年1月11日-2020年1月31日：阅读相关文献，主要是关于机器学习的文献。
2020年2月1日-2020年2月28日：完成机器学习分类算法的学习2020年3月1日-2020年3月31日：获取相应的数据集，对数据集的数据进行处理。
2020年4月1日-2020年4月30日：完成面部表情识别算法和app的代码编写和测试2020年5月1日-2020年5月24日：撰写并提交毕业论文。
4. 主要参考文献
[1] Ko B. A brief review of facial emotion recognition based on visual information[J]. sensors, 2018, 18(2): 401.[2] Valstar M F, Mehu M, Jiang B, et al. Meta-analysis of the first facial expression recognition challenge[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), 2012, 42(4): 966-979.[3] Lucey P, Cohn J F, Kanade T, et al. The extended cohn-kanade dataset (ck ): A complete dataset for action unit and emotion-specified expression[C]//2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition-Workshops. IEEE, 2010: 94-101.[4] Dhall A, Goecke R, Joshi J, et al. Emotion recognition in the wild challenge 2013[C]//Proceedings of the 15th ACM on International conference on multimodal interaction. ACM, 2013: 509-516.[5] Cowie R, Douglas-Cowie E, Tsapatsoulis N, et al. Emotion recognition in human-computer interaction[J]. IEEE Signal processing magazine, 2001, 18(1): 32-80.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
