| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 人脸表情识别研究的背景和意义 | 第11-12页 |
| 1.2 人脸表情识别研究的发展及现状 | 第12-14页 |
| 1.2.1 国外研究概况 | 第13页 |
| 1.2.2 国内研究概况介绍 | 第13-14页 |
| 1.3 人脸表情识别存在的问题 | 第14-15页 |
| 1.4 本文的研究内容及论文结构 | 第15-17页 |
| 1.4.1 本文研究内容 | 第15页 |
| 1.4.2 论文结构 | 第15-17页 |
| 第二章 人脸表情识别的基本理论和算法 | 第17-27页 |
| 2.1 人脸检测算法 | 第17-21页 |
| 2.1.1 基于肤色的人脸检测算法 | 第17-18页 |
| 2.1.2 基于Viola-Jones方法的人脸检测算法 | 第18-21页 |
| 2.2 人脸表情特征提取的方法 | 第21-25页 |
| 2.2.1 基于形变的表情特征提取 | 第21-24页 |
| 2.2.2 基于运动的表情特征提取方法 | 第24-25页 |
| 2.3 人脸表情分类的方法 | 第25-27页 |
| 第三章 基于互联网图像的大规模人脸表情图像库的建立 | 第27-41页 |
| 3.1 常用人脸表情库 | 第27-28页 |
| 3.2 基于大规模网络弱标注图像的人脸表情图像库建立流程 | 第28-30页 |
| 3.3 原始图像库建立 | 第30-33页 |
| 3.4 基于交互式过滤的人脸表情图像库建立 | 第33-37页 |
| 3.4.1 Affinity Propagation聚类算法原理 | 第33-34页 |
| 3.4.2 双曲空间及可视化 | 第34-35页 |
| 3.4.3 交互式过滤 | 第35-37页 |
| 3.5 实验结果及分析 | 第37-41页 |
| 第四章 基于深度卷积网络的表情识别方法 | 第41-53页 |
| 4.1 深度卷积网络简述 | 第41-45页 |
| 4.1.1 CNN的结构 | 第42页 |
| 4.1.2 卷积层 | 第42-44页 |
| 4.1.3 池化层 | 第44-45页 |
| 4.1.4 全连接层 | 第45页 |
| 4.2 基于CNN的表情识别方法 | 第45-50页 |
| 4.2.2 CNN复杂网络构建 | 第46-47页 |
| 4.2.3 网络模型参数学习 | 第47-50页 |
| 4.3 实验结果及分析 | 第50-53页 |
| 4.3.1 实验参数设置 | 第50页 |
| 4.3.2 实验结果与分析 | 第50-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 论文总结 | 第53页 |
| 5.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 作者简介 | 第61页 |
