| 中文摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究的背景和意义 | 第11-12页 |
| 1.2 认知情感状态 | 第12-14页 |
| 1.3 表情时空特征 | 第14页 |
| 1.4 实时特征提取 | 第14-15页 |
| 1.5 主要研究内容 | 第15-17页 |
| 1.6 论文结构 | 第17-19页 |
| 第二章 基于表情时空特征的情感识别研究综述 | 第19-37页 |
| 2.1 情感的表示 | 第19-23页 |
| 2.1.1 离散情感 | 第19-21页 |
| 2.1.2 维度情感 | 第21-23页 |
| 2.2 情感数据库 | 第23-26页 |
| 2.2.1 自然情感和表演情感 | 第23页 |
| 2.2.2 视频情感数据库 | 第23-26页 |
| 2.3 表情时空特征提取 | 第26-32页 |
| 2.3.1 图像预处理 | 第27-28页 |
| 2.3.2 表情的几何特征 | 第28-30页 |
| 2.3.3 表情的外观特征 | 第30-31页 |
| 2.3.4 表情的混合特征 | 第31-32页 |
| 2.4 情感分类算法 | 第32-36页 |
| 2.4.1 支持向量机 | 第32-34页 |
| 2.4.2 K 近邻算法 | 第34-35页 |
| 2.4.3 自适应增强算法 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 基于主动外观模型的认知情感状态识别研究 | 第37-47页 |
| 3.1 AAM 模型 | 第37-39页 |
| 3.1.1 模型建立 | 第37-38页 |
| 3.1.2 图像拟合 | 第38-39页 |
| 3.2 脸部规范差分形变特征 | 第39-42页 |
| 3.2.1 跟踪脸部形状 | 第39-40页 |
| 3.2.2 移除刚性形变 | 第40-41页 |
| 3.2.3 规范化脸部形状 | 第41页 |
| 3.2.4 脸部形状差分与联合 | 第41-42页 |
| 3.3 实验和结果 | 第42-45页 |
| 3.3.1 实验设置 | 第42-44页 |
| 3.3.2 结果分析 | 第44-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 用于实时情感识别的 GPU 并行算法研究 | 第47-67页 |
| 4.1 AAM 拟合算法相关研究 | 第47-48页 |
| 4.2 GPU 体系结构和计算模型 | 第48-49页 |
| 4.3 GPU 并行 AAM 拟合算法的设计 | 第49-52页 |
| 4.3.1 串行算法的热点 | 第49-50页 |
| 4.3.2 并行算法的设计思想 | 第50-52页 |
| 4.4 GPU 并行 AAM 拟合算法的实现 | 第52-56页 |
| 4.4.1 计算形状 | 第52-53页 |
| 4.4.2 计算图像纹理 | 第53-54页 |
| 4.4.3 归一化图像纹理 | 第54-55页 |
| 4.4.4 计算模型纹理 | 第55-56页 |
| 4.4.5 非热点的并行化 | 第56页 |
| 4.5 自动调节线程分配的 GPU 矩阵向量乘法 | 第56-60页 |
| 4.5.1 GPU 矩阵向量乘法相关研究 | 第56-57页 |
| 4.5.2 线程分配对性能的影响 | 第57-58页 |
| 4.5.3 线程分配的自动调节 | 第58-60页 |
| 4.6 实验和结果 | 第60-66页 |
| 4.6.1 实验平台和设置 | 第60页 |
| 4.6.2 GPU 矩阵向量乘法的性能测试 | 第60-63页 |
| 4.6.3 GPU 并行 AAM 拟合算法的性能测试 | 第63-65页 |
| 4.6.4 情感识别算法的实时性测试 | 第65-66页 |
| 4.7 本章小结 | 第66-67页 |
| 第五章 基于表情局部时空特征的认知情感状态识别研究 | 第67-87页 |
| 5.1 研究内容概述 | 第67-68页 |
| 5.2 基于人脸归一化和 Harris3D 的算法 | 第68-72页 |
| 5.2.1 人脸检测和归一化 | 第68-70页 |
| 5.2.2 Harris3D 算法 | 第70-72页 |
| 5.3 基于 AAM 的算法 | 第72-75页 |
| 5.3.1 脸部规范纹理序列 | 第72-74页 |
| 5.3.2 特征融合 | 第74-75页 |
| 5.4 表情局部时空特征的描述 | 第75-81页 |
| 5.4.1 方向梯度直方图 | 第75-77页 |
| 5.4.2 光流方向直方图 | 第77-79页 |
| 5.4.3 三维梯度方向直方图 | 第79-81页 |
| 5.5 词袋模型在情感识别中的应用 | 第81-82页 |
| 5.6 实验和结果 | 第82-85页 |
| 5.6.1 实验设置 | 第82-83页 |
| 5.6.2 结果分析 | 第83-85页 |
| 5.7 本章小结 | 第85-87页 |
| 第六章 基于无监督提取表情时空特征的认知情感状态识别研究 | 第87-97页 |
| 6.1 堆叠卷积 ISA 模型 | 第87-91页 |
| 6.1.1 ISA 模型 | 第87-89页 |
| 6.1.2 SISA 模型 | 第89-91页 |
| 6.2 无监督提取表情时空特征的情感识别算法 | 第91-93页 |
| 6.2.1 设计思想 | 第91页 |
| 6.2.2 实现步骤 | 第91-93页 |
| 6.3 实验和结果 | 第93-95页 |
| 6.3.1 实验设置 | 第93页 |
| 6.3.2 结果分析 | 第93-95页 |
| 6.4 本章小结 | 第95-97页 |
| 第七章 总结与展望 | 第97-101页 |
| 7.1 论文总结 | 第97-98页 |
| 7.2 工作展望 | 第98-101页 |
| 参考文献 | 第101-115页 |
| 发表论文和科研情况说明 | 第115-116页 |
| 致谢 | 第116页 |
