| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10页 |
| 1.2 微表情识别技术综述 | 第10-16页 |
| 1.2.1 微表情数据集 | 第11-13页 |
| 1.2.2 微表情视频预处理 | 第13-14页 |
| 1.2.3 微表情关键帧检测技术 | 第14-15页 |
| 1.2.4 微表情识别技术 | 第15-16页 |
| 1.3 论文组织结构 | 第16-18页 |
| 第二章 基于特征差异分析的微表情检测方法 | 第18-40页 |
| 2.1 人脸图像的预处理 | 第18-22页 |
| 2.1.1 人脸检测 | 第18-19页 |
| 2.1.2 人脸特征点检测 | 第19-20页 |
| 2.1.3 人脸区域划分 | 第20-22页 |
| 2.2 特征提取 | 第22-35页 |
| 2.2.1 LBP特征 | 第22-27页 |
| 2.2.2 HOOF特征 | 第27-33页 |
| 2.2.3 HOG特征 | 第33-35页 |
| 2.3 特征差异分析 | 第35-36页 |
| 2.4 峰值检测 | 第36-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第三章 微表情识别算法研究 | 第40-60页 |
| 3.1 基于LBP-TOP的微表情识别方法 | 第40-49页 |
| 3.1.1 人脸预处理 | 第40-44页 |
| 3.1.2 LBP-TOP特征 | 第44-46页 |
| 3.1.3 支持向量机 | 第46-49页 |
| 3.2 基于深度学习的微表情识别方案 | 第49-58页 |
| 3.2.1 使用CNN提取空间特征 | 第50-54页 |
| 3.2.2 使用LSTM提取时间特征 | 第54-57页 |
| 3.2.3 深度学习环境搭建 | 第57-58页 |
| 3.3 本章小结 | 第58-60页 |
| 第四章 实验结果及分析 | 第60-70页 |
| 4.1 微表情检测算法实验结果 | 第60-64页 |
| 4.1.1 特征分析 | 第60-61页 |
| 4.1.2 特征提取方法的比较 | 第61-64页 |
| 4.1.3 失败结果分析 | 第64页 |
| 4.2 微表情识别实验结果 | 第64-69页 |
| 4.2.1 基于LBP-TOP的微表情识别实验结果 | 第64-67页 |
| 4.2.2 基于深度学习的微表情识别实验结果 | 第67-69页 |
| 4.3 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 作者简介 | 第78页 |