三维表情识别中的张量表示及分解算法与理论研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-20页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 三维表情识别技术的优势与挑战 | 第15-16页 |
| 1.4 常用三维表情数据库 | 第16-18页 |
| 1.5 论文的研究内容与章节安排 | 第18-20页 |
| 1.5.1 论文研究内容 | 第18页 |
| 1.5.2 论文章节安排 | 第18-20页 |
| 2 三维表情特征提取 | 第20-25页 |
| 2.1 基于深度图的特征提取 | 第20-21页 |
| 2.2 基于法向量的特征提取 | 第21页 |
| 2.3 基于曲率的特征提取 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 张量表示与张量流形学习算法 | 第25-39页 |
| 3.1 张量代数基础 | 第25-32页 |
| 3.1.1 张量的基本概念 | 第25-29页 |
| 3.1.2 张量分解 | 第29-32页 |
| 3.2 张量流形学习算法 | 第32-38页 |
| 3.2.1 流形与流形学习 | 第32-35页 |
| 3.2.2 流形学习算法统一框架 | 第35-36页 |
| 3.2.3 流形学习的张量化扩展 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 4 正交张量边界Fisher分析算法及改进 | 第39-57页 |
| 4.1 张量距离 | 第39-40页 |
| 4.2 基于张量距离的OTMFA算法 | 第40-45页 |
| 4.2.1 边界Fisher分析算法 | 第40-41页 |
| 4.2.2 TD-OTMFA算法的求解过程 | 第41-45页 |
| 4.3 基于距离加权的OTMFA算法 | 第45-48页 |
| 4.4 实验结果与分析 | 第48-55页 |
| 4.4.1 不同特征的识别性能分析 | 第48-50页 |
| 4.4.2 TD-OTMFA算法的识别性能分析 | 第50-52页 |
| 4.4.3 WTD-OTMFA算法的识别性能分析 | 第52-53页 |
| 4.4.4 不同强度的识别性能分析 | 第53-55页 |
| 4.4.5 与其他文献的比较 | 第55页 |
| 4.5 本章小结 | 第55-57页 |
| 5 三维表情识别系统 | 第57-64页 |
| 5.1 系统概述 | 第57-58页 |
| 5.2 系统演示 | 第58-63页 |
| 5.2.1 预处理模块 | 第58-60页 |
| 5.2.2 训练模块 | 第60-61页 |
| 5.2.3 测试模块 | 第61-63页 |
| 5.3 本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第70-72页 |
| 学位论文数据集 | 第72页 |
