| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第12-22页 |
| 1.1 课题研究背景、目标及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-20页 |
| 1.2.1 人脸检测 | 第16-17页 |
| 1.2.2 表情特征提取 | 第17页 |
| 1.2.3 分类器 | 第17-19页 |
| 1.2.4 人脸表情识别存在的问题及解决办法 | 第19-20页 |
| 1.3 论文主要工作及结构 | 第20-22页 |
| 1.3.1 论文主要工作 | 第20页 |
| 1.3.2 论文结构 | 第20-22页 |
| 2 深度学习理论基础 | 第22-30页 |
| 2.1 引言 | 第22页 |
| 2.2 深度学习的基本思想 | 第22-23页 |
| 2.3 深度学习的常用模型 | 第23-29页 |
| 2.3.1 卷积神经网络 | 第23-28页 |
| 2.3.1.1 CNN的基本结构 | 第23-24页 |
| 2.3.1.2 CNN的工作原理 | 第24-26页 |
| 2.3.1.3 CNN的训练过程 | 第26-28页 |
| 2.3.2 深度信念网络 | 第28-29页 |
| 2.3.2.1 受限玻尔兹曼机 | 第28-29页 |
| 2.3.2.2 DBN的基本结构 | 第29页 |
| 2.3.2.3 DBN的训练过程 | 第29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 人脸检测方法研究 | 第30-40页 |
| 3.1 引言 | 第30页 |
| 3.2 基于Haar-like特征的AdaBoost人脸检测 | 第30-38页 |
| 3.2.1 Haar-like特征 | 第31-32页 |
| 3.2.2 积分图 | 第32-34页 |
| 3.2.3 AdaBoost算法在人脸检测中的应用 | 第34-35页 |
| 3.2.3.1 弱分类器 | 第34页 |
| 3.2.3.2 强分类器 | 第34-35页 |
| 3.2.3.3 级联分类器结构 | 第35页 |
| 3.2.4 实验结果分析 | 第35-38页 |
| 3.3 本章小结 | 第38-40页 |
| 4 局部特征提取算法研究 | 第40-54页 |
| 4.1 引言 | 第40页 |
| 4.2 主动形状模型 | 第40-50页 |
| 4.2.1 ASM理论基础 | 第40-44页 |
| 4.2.2 改进的ASM | 第44-45页 |
| 4.2.3 基于改进的ASM的驾驶员面部疲劳状态识别 | 第45-50页 |
| 4.3 局部二值模式 | 第50-52页 |
| 4.3.1 LBP理论基础 | 第50-51页 |
| 4.3.2 改进的LBP | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 5 基于改进的LBP与DBN的人脸表情识别 | 第54-60页 |
| 5.1 引言 | 第54页 |
| 5.2 CK+表情库扩充和预处理 | 第54-55页 |
| 5.3 人脸表情描述 | 第55-56页 |
| 5.4 DBN训练 | 第56-57页 |
| 5.5 实验结果分析 | 第57-58页 |
| 5.6 本章小结 | 第58-60页 |
| 6 基于CNN的人脸表情识别系统 | 第60-66页 |
| 6.1 引言 | 第60页 |
| 6.2 CNN模型构造 | 第60-61页 |
| 6.3 CNN模型训练 | 第61-62页 |
| 6.4 表情识别系统实现 | 第62-65页 |
| 6.5 本章小结 | 第65-66页 |
| 7 总结与展望 | 第66-68页 |
| 7.1 总结 | 第66-67页 |
| 7.2 展望 | 第67-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第74页 |
