摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
主要缩写和符号 | 第14-15页 |
第1章 绪论 | 第15-29页 |
1.1 课题研究的背景意义 | 第15-17页 |
1.2 人面部运动识别综述 | 第17-20页 |
1.3 人面部运动识别研究现状 | 第20-27页 |
1.3.1 人脸特征点追踪研究现状 | 第21-25页 |
1.3.2 AU识别和表情识别研究现状 | 第25-27页 |
1.4 本文主要研究内容 | 第27-29页 |
1.4.1 论文主要内容和贡献 | 第27-28页 |
1.4.2 论文的结构安排 | 第28-29页 |
第2章 基于DBN的自然人AU强度识别统一概率模型 | 第29-51页 |
2.1 引言 | 第29页 |
2.2 当前研究的不足 | 第29-30页 |
2.3 基于DBN的AU强度识别算法框架 | 第30-31页 |
2.4 AU强度观测值提取 | 第31-36页 |
2.4.1 面部配准 | 第32-33页 |
2.4.2 面部图像表示 | 第33-34页 |
2.4.3 基于流形学习的特征降维 | 第34-36页 |
2.4.4 基于多类SVM的观测值提取 | 第36页 |
2.5 基于DBN的AU强度识别模型 | 第36-48页 |
2.5.1 AU依存关系分析 | 第36-41页 |
2.5.2 AU依存关系学习 | 第41-42页 |
2.5.3 AU时序关系分析 | 第42-45页 |
2.5.4 DBN参数学习 | 第45-47页 |
2.5.5 DBN推理 | 第47-48页 |
2.6 实验及结果分析 | 第48-50页 |
2.6.1 测试数据库介绍 | 第48页 |
2.6.2 结果分析 | 第48-50页 |
2.7 本章小结 | 第50-51页 |
第3章 基于DBN的人脸特征点追踪和表情识别模型 | 第51-82页 |
3.1 引言 | 第51页 |
3.2 当前研究的不足 | 第51-52页 |
3.3 人面部运动建模 | 第52-61页 |
3.3.1 追踪模型比较 | 第53-55页 |
3.3.2 建模人面部特征点和AU之间的关系 | 第55-57页 |
3.3.3 建模AU之间的语义关系 | 第57-58页 |
3.3.4 建模AU和表情之间的关系 | 第58-61页 |
3.4 建模时序关系 | 第61-64页 |
3.4.1 构建动态结构 | 第61页 |
3.4.2 混合DBN参数学习 | 第61-63页 |
3.4.3 混合DBN推理 | 第63-64页 |
3.5 图像观测值提取 | 第64-66页 |
3.5.1 面部特征点观测值提取 | 第64-65页 |
3.5.2 AU观测值提取 | 第65-66页 |
3.6 实验及结果分析 | 第66-80页 |
3.6.1 测试数据库介绍 | 第66-68页 |
3.6.2 在CK数据库上的实验 | 第68-74页 |
3.6.3 在MMI数据库上的实验 | 第74-78页 |
3.6.4 在现实环境中的实验 | 第78-80页 |
3.7 本章小结 | 第80-82页 |
第4章 领域知识驱动DBN模型训练算法 | 第82-105页 |
4.1 引言 | 第82页 |
4.2 当前研究的不足 | 第82-83页 |
4.3 知识驱动DBN训练算法框架 | 第83-84页 |
4.4 人面部运动领域先验知识 | 第84-89页 |
4.4.1 AU之间因果影响关系 | 第84-86页 |
4.4.2 单个AU的约束 | 第86-87页 |
4.4.3 AU组的约束 | 第87-88页 |
4.4.4 AU时序约束 | 第88-89页 |
4.5 基于知识的模型训练方法 | 第89-93页 |
4.5.1 基于BN的AU识别先验模型 | 第89-91页 |
4.5.2 产生模型参数样本及伪数据 | 第91-93页 |
4.6 实验及结果分析 | 第93-104页 |
4.6.1 测试数据库介绍 | 第93-94页 |
4.6.2 AU观测值提取 | 第94-95页 |
4.6.3 知识驱动模型的收敛 | 第95页 |
4.6.4 特定数据库上的实验 | 第95-99页 |
4.6.5 跨数据库的实验 | 第99-104页 |
4.7 本章小结 | 第104-105页 |
结论 | 第105-107页 |
参考文献 | 第107-121页 |
攻读博士学位期间发表的论文及其他成果 | 第121-123页 |
致谢 | 第123-124页 |
个人简历 | 第124页 |