基于RealSense的在线教育表情识别研究及应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及研究意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-15页 |
| 1.4 本文的结构安排 | 第15-16页 |
| 第二章 表情数据库构建 | 第16-26页 |
| 2.1 现存数据库介绍 | 第16-18页 |
| 2.2 基于RealSense表情数据库构建 | 第18-22页 |
| 2.2.1 RealSense技术 | 第18-19页 |
| 2.2.2 录制环境配置 | 第19页 |
| 2.2.3 数据存储 | 第19-20页 |
| 2.2.4 数据评价 | 第20-22页 |
| 2.3 表情数据筛选汇总 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于特征点分析的表情检测 | 第26-35页 |
| 3.1 表情检测对在线教育的意义 | 第26-27页 |
| 3.2 基于特征点分析的表情检测 | 第27-33页 |
| 3.2.1 FACS介绍 | 第27-29页 |
| 3.2.2 特征向量选取 | 第29-32页 |
| 3.2.3 表情检测试验 | 第32-33页 |
| 3.3 本章小结 | 第33-35页 |
| 第四章 基于卷积神经网络和特征融合表情识别 | 第35-47页 |
| 4.1 图像预处理 | 第35-38页 |
| 4.2.1 人脸检测分割 | 第35-37页 |
| 4.2.2 图像归一化 | 第37-38页 |
| 4.2 表情浅层特征提取方法 | 第38-41页 |
| 4.2.1 RGB颜色特征 | 第39页 |
| 4.2.2 LBP特征描述 | 第39-41页 |
| 4.3 基于卷积神经网络的网络构建 | 第41-46页 |
| 4.3.1 卷积神经网络概述 | 第41-42页 |
| 4.3.2 卷积神经网络模型 | 第42-43页 |
| 4.3.3 基于特征融合和卷积神经网络的表情识别 | 第43-44页 |
| 4.3.4 基于融合特征的实验操作流程 | 第44-45页 |
| 4.3.5 结果与分析 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 在线情感分析模型系统设计与应用 | 第47-54页 |
| 5.1 ACOE模块功能介绍 | 第47-49页 |
| 5.2 ACOE在云课堂中的结合 | 第49页 |
| 5.3 ACOE模型实验阶段 | 第49-52页 |
| 5.4 ACOE的评价 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第六章 总结和展望 | 第54-56页 |
| 6.1 本文总结 | 第54-55页 |
| 6.2 本文展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士期间发表的论文及科研成果 | 第60-61页 |
| 致谢 | 第61页 |
