| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究进展 | 第10-16页 |
| 1.2.1 研究进展 | 第11-15页 |
| 1.2.2 存在问题及本文研究方向 | 第15-16页 |
| 1.3 主要内容与结构安排 | 第16-18页 |
| 1.3.1 主要内容 | 第16页 |
| 1.3.2 结构安排 | 第16-18页 |
| 第2章 基于视频的心率提取相关算法 | 第18-26页 |
| 2.1 光电容积脉搏波描记法 | 第18-20页 |
| 2.1.1 光电容积脉搏波描记法原理 | 第18-19页 |
| 2.1.2 光电容积脉搏波描记法在心率提取中的应用 | 第19-20页 |
| 2.2 欧拉视频放大算法 | 第20-23页 |
| 2.2.1 欧拉视频放大算法简介 | 第20-21页 |
| 2.2.2 欧拉视频放大算法原理 | 第21-23页 |
| 2.3 图像金字塔 | 第23-25页 |
| 2.3.1 高斯金字塔 | 第24页 |
| 2.3.2 拉普拉斯金字塔 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于视频提取的心率与微表情的关系研究 | 第26-41页 |
| 3.1 基于欧拉视频放大算法的心率检测算法 | 第26-30页 |
| 3.1.1 心率提取算法 | 第26-27页 |
| 3.1.2 心率提取算法的实现 | 第27-30页 |
| 3.2 微表情数据库选择 | 第30-33页 |
| 3.2.1 微表情数据库简介 | 第30-33页 |
| 3.2.2 微表情数据库选择 | 第33页 |
| 3.3 心率及微表情关系研究 | 第33-40页 |
| 3.3.1 基于欧拉视频放大算法的心率提取实验验证结果 | 第33-35页 |
| 3.3.2 微表情数据库数据心率提取实验结果 | 第35-37页 |
| 3.3.3 心率数据及微表情数据 | 第37-38页 |
| 3.3.4 数据库视频心率与微表情关系 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于视频心率提取的微表情识别算法优化 | 第41-51页 |
| 4.1 微表情识别相关算法 | 第41-45页 |
| 4.1.1 基于时空局部二值模式的特征提取方法 | 第41-44页 |
| 4.1.2 基于SVM的微表情分类 | 第44-45页 |
| 4.2 基于视频心率提取的微表情识别算法 | 第45-49页 |
| 4.2.1 基于视频心率提取的微表情识别流程 | 第45-48页 |
| 4.2.2 基于视频心率提取的微表情识别方法的实现 | 第48-49页 |
| 4.3 实验结果 | 第49-50页 |
| 4.3.1 实验一识别结果 | 第49-50页 |
| 4.3.2 实验二识别结果 | 第50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 结论与展望 | 第51-53页 |
| 5.1 结论 | 第51页 |
| 5.2 进一步工作的方向 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读学位期间取得的研究成果 | 第56-57页 |
| 致谢 | 第57页 |
