| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景和研究意义 | 第15-16页 |
| 1.1.1 研究背景 | 第15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 研究现状 | 第16-19页 |
| 1.2.1 理论基础 | 第17页 |
| 1.2.2 识别方法 | 第17-18页 |
| 1.2.3 数据库 | 第18-19页 |
| 1.3 本文工作内容 | 第19-20页 |
| 1.4 组织结构 | 第20-21页 |
| 第二章 人脸检测 | 第21-30页 |
| 2.0 概述 | 第21-22页 |
| 2.1 积分图 | 第22-23页 |
| 2.2 特征提取 | 第23-24页 |
| 2.3 Boosting算法 | 第24-25页 |
| 2.4 关注式级联结构 | 第25-28页 |
| 2.4.1 级联结构定义 | 第25-26页 |
| 2.4.2 训练级联分类模型 | 第26-28页 |
| 2.5 实验结果 | 第28-30页 |
| 第三章 表情识别 | 第30-44页 |
| 3.1 概述 | 第30-33页 |
| 3.1.1 人脸预处理 | 第30-32页 |
| 3.1.2 脸部特征提取 | 第32页 |
| 3.1.3 特征分类 | 第32-33页 |
| 3.2 预备知识点 | 第33-36页 |
| 3.2.1 中心化二值模式 | 第33-34页 |
| 3.2.2 卷积神经网络 | 第34-35页 |
| 3.2.3 支持向量机 | 第35-36页 |
| 3.3 CNN-CBP特征融合 | 第36-41页 |
| 3.3.1 算法框架 | 第37-38页 |
| 3.3.2 基于块的CBP特征 | 第38页 |
| 3.3.3 卷积神经网络结构 | 第38-41页 |
| 3.4 实验结果 | 第41-44页 |
| 3.4.1 基于Extended Cohn-Kanade数据集 | 第41-42页 |
| 3.4.2 泛化能力 | 第42-44页 |
| 第四章 微表情识别 | 第44-57页 |
| 4.1 概述 | 第44-52页 |
| 4.1.0 微表情数据库 | 第45-48页 |
| 4.1.1 微表情标定 | 第48-49页 |
| 4.1.2 微表情识别 | 第49-52页 |
| 4.2 综合框架 | 第52-55页 |
| 4.2.1 人脸对齐 | 第53页 |
| 4.2.2 微表情放大 | 第53-55页 |
| 4.2.3 表情识别模型的训练 | 第55页 |
| 4.2.4 微表情判断 | 第55页 |
| 4.3 实验 | 第55-57页 |
| 第五章 系统的软硬件协同设计 | 第57-68页 |
| 5.1 概述 | 第57-58页 |
| 5.2 系统规范 | 第58-60页 |
| 5.2.1 系统分析 | 第58-59页 |
| 5.2.2 建立模型 | 第59-60页 |
| 5.3 软硬件划分 | 第60-65页 |
| 5.3.1 划分方法研究 | 第60-62页 |
| 5.3.2 微表情系统的软硬件划分 | 第62-65页 |
| 5.4 系统集成 | 第65-68页 |
| 5.4.1 软硬件平台 | 第65-66页 |
| 5.4.2 系统实现 | 第66-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 进一步的研究 | 第68-70页 |
| 参考文献 | 第70-78页 |
| 攻读硕士学位期间发表论文和科研情况 | 第78-79页 |
| 致谢 | 第79页 |