| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 人脸表情识别的背景和意义 | 第10-11页 |
| 1.2 人脸表情识别的发展历史 | 第11-13页 |
| 1.3 人脸表情识别的难点 | 第13-14页 |
| 1.4 人工神经网络的发展历史 | 第14-15页 |
| 1.5 论文组织架构 | 第15-16页 |
| 1.6 本章小结 | 第16-17页 |
| 第2章 人脸表情识别的基本理论 | 第17-27页 |
| 2.1 人脸表情识别的框架 | 第17页 |
| 2.2 人脸表情数据库介绍 | 第17-18页 |
| 2.3 人脸检测 | 第18-19页 |
| 2.4 人脸表情预处理 | 第19页 |
| 2.5 人脸表情特征及其提取 | 第19-23页 |
| 2.5.1 静态图像的特征提取 | 第20-22页 |
| 2.5.2 动态图像的特征提取 | 第22-23页 |
| 2.6 人脸表情分类算法 | 第23-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第3章 传统的人工神经网络基本理论 | 第27-32页 |
| 3.1 引言 | 第27页 |
| 3.2 神经网络的类别 | 第27-28页 |
| 3.3 前馈神经网络 | 第28-31页 |
| 3.4 反向传播算法 | 第31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 基于CNN的特征提取 | 第32-41页 |
| 4.1 引言 | 第32-34页 |
| 4.2 CNN的结构 | 第34-37页 |
| 4.3 CNN的特点 | 第37-39页 |
| 4.4 基于CNN的人脸表情特征提取 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 基于ESN的人脸表情分类 | 第41-53页 |
| 5.1 引言 | 第41页 |
| 5.2 ESN的结构和思想 | 第41-42页 |
| 5.3 ESN的数学模型 | 第42-44页 |
| 5.4 ESN的预测算法 | 第44页 |
| 5.5 ESN的关键参数 | 第44-45页 |
| 5.6 ESN的稳定性 | 第45-46页 |
| 5.7 实验数据库 | 第46-47页 |
| 5.8 基于ESN的人脸表情分类 | 第47-51页 |
| 5.8.1 储备池大小对单个分类器识别结果的影响 | 第47-48页 |
| 5.8.2 储备池大小对分类器训练时间的影响 | 第48-49页 |
| 5.8.3 在JAFFE数据库上的实验 | 第49页 |
| 5.8.4 在CK+数据库上的实验 | 第49-51页 |
| 5.9 本章小结 | 第51-53页 |
| 第6章 基于CNN和ESN的集成算法进行人脸表情分类 | 第53-65页 |
| 6.1 基于CNN和ESN的集成算法CESNs | 第53页 |
| 6.2 实验数据库 | 第53页 |
| 6.3 基于CESNs算法的实验 | 第53-63页 |
| 6.3.1 准确率的分布 | 第53-56页 |
| 6.3.2 训练个数、集成个数的选取与准确率的计算 | 第56-57页 |
| 6.3.3 CNN个数的选择 | 第57页 |
| 6.3.4 在Jaffe数据库上的实验 | 第57-61页 |
| 6.3.5 在CK+数据库上的实验 | 第61-63页 |
| 6.4 单个分类器与集成算法的实验对比 | 第63-64页 |
| 6.5 本章小结 | 第64-65页 |
| 总结与展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |