| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 本文章节安排 | 第13-16页 |
| 第2章 人脸表情识别方法概述 | 第16-32页 |
| 2.1 引言 | 第16-18页 |
| 2.2 特征提取 | 第18-22页 |
| 2.2.1 Gabor小波特征提取 | 第18-20页 |
| 2.2.2 基于深度网络的特征提取 | 第20-22页 |
| 2.3 特征降维 | 第22-24页 |
| 2.4 分类器介绍 | 第24-29页 |
| 2.4.1 SVM分类器 | 第25-28页 |
| 2.4.2 OS-ELM分类器 | 第28-29页 |
| 2.5 本章小结 | 第29-32页 |
| 第3章 人脸面部表情数据集的构建 | 第32-40页 |
| 3.1 引言 | 第32页 |
| 3.2 基于面部标记点坐标的三维点表情数据的采集 | 第32-36页 |
| 3.2.1 数据采集 | 第32-35页 |
| 3.2.2 三维点表情数据的特征提取 | 第35-36页 |
| 3.3 二维图片表情数据的采集 | 第36-38页 |
| 3.3.1 数据采集 | 第36-37页 |
| 3.3.2 二维图片表情数据的特征提取 | 第37-38页 |
| 3.4 表情识别实验 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于三维点与二维图像表情融合的表情识别 | 第40-52页 |
| 4.1 引言 | 第40页 |
| 4.2 数据库介绍 | 第40-41页 |
| 4.3 基于纹理特征的面部表情识别 | 第41-43页 |
| 4.4 基于几何向量的面部表情识别 | 第43-44页 |
| 4.5 特征融合下的表情识别 | 第44-47页 |
| 4.6 基于深度超限学习机的三维点与二维图像融合的表情识别研究 | 第47-50页 |
| 4.7 本章小结 | 第50-52页 |
| 第5章 基于改进深度超限学习机模型的表情识别研究 | 第52-62页 |
| 5.1 引言 | 第52页 |
| 5.2 改进深度超限学习机模型介绍 | 第52-53页 |
| 5.3 利用改进深度超限学习机的表情识别 | 第53-56页 |
| 5.3.1 3D表情数据集上的表情识别 | 第53-55页 |
| 5.3.2 2D表情数据集上的表情识别 | 第55-56页 |
| 5.4 利用改进深度超限学习机进行 3D到 2D表情识别的迁移学习 | 第56-59页 |
| 5.4.1 迁移学习流程 | 第56-58页 |
| 5.4.2 迁移学习实验 | 第58-59页 |
| 5.5 本章小结 | 第59-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-70页 |
| 致谢 | 第70页 |