基于视频序列的人脸表情识别方法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 课题的研究背景与意义 | 第15-16页 |
| 1.2 人脸表情研究现状 | 第16-18页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 人脸表情识别的难点 | 第18页 |
| 1.4 人脸表情数据库 | 第18-20页 |
| 1.5 本文组织结构 | 第20-22页 |
| 第二章 人脸表情识别理论基础 | 第22-32页 |
| 2.1 人脸表情识别流程 | 第22页 |
| 2.2 人脸检测与定位 | 第22-25页 |
| 2.3 基于传统方法的人脸表情识别 | 第25-29页 |
| 2.3.1 人脸表情特征提取 | 第25-28页 |
| 2.3.2 人脸表情分类 | 第28-29页 |
| 2.4 基于深度学习的人脸表情识别 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 融合时空特征的视频序列表情识别 | 第32-47页 |
| 3.1 引言 | 第32-33页 |
| 3.2 STWLD和BHOF特征 | 第33-37页 |
| 3.2.1 韦伯局部特征（WLD） | 第33-34页 |
| 3.2.2 时空韦伯局部特征（STWLD） | 第34-35页 |
| 3.2.3 分块光流直方图特征 | 第35-37页 |
| 3.2.4 特征融合 | 第37页 |
| 3.3 基于复合时空特征的表情识别的方法 | 第37-38页 |
| 3.4 实验结果与分析 | 第38-46页 |
| 3.4.1 实验数据库及环境设置 | 第38-39页 |
| 3.4.2 实验结果分析 | 第39-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于并行卷积神经网络的视频人脸表情识别 | 第47-62页 |
| 4.1 引言 | 第47页 |
| 4.2 时空卷积神经网络 | 第47-51页 |
| 4.2.1 卷积神经网络 | 第47-49页 |
| 4.2.2 3D卷积神经网络 | 第49-51页 |
| 4.3 循环神经网络 | 第51-53页 |
| 4.3.1 循环神经网络结构(RNN) | 第51页 |
| 4.3.2 长短记忆单元(LSTM) | 第51-53页 |
| 4.4 基于并行卷积网络的视频表情识别 | 第53-54页 |
| 4.5 实验结果与分析 | 第54-61页 |
| 4.5.1 实验数据库及环境设置 | 第54-56页 |
| 4.5.2 实验结果分析 | 第56-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 全文总结 | 第62页 |
| 5.2 未来展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士期间的学术活动以及成果情况 | 第70-71页 |
