| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 选题的意义与应用前景 | 第15-16页 |
| 1.2 情感的定义与表示方法 | 第16-17页 |
| 1.3 情感识别简介 | 第17页 |
| 1.4 本文的研究内容与结构安排 | 第17-20页 |
| 第二章 多模态情感识别概述 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 单模态情感识别研究现状 | 第20-27页 |
| 2.2.1 人脸表情的情感识别研究现状 | 第20-25页 |
| 2.2.2 上身姿态的情感识别研究现状 | 第25-26页 |
| 2.2.3 其它单模态的情感识别研究现状 | 第26-27页 |
| 2.3 表情和姿态的双模态情感识别研究现状 | 第27-28页 |
| 2.4 双模态情感识别系统流程及融合方法概述 | 第28-30页 |
| 2.5 FABO数据库 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 时空LBP矩和D-S证据融合的双模态情感识别 | 第32-47页 |
| 3.1 引言 | 第32-33页 |
| 3.2 TSLBPM特征提取方法 | 第33-39页 |
| 3.2.1 局部二值模式(LBP) | 第33-35页 |
| 3.2.2 体积局部二值模式(VLBP) | 第35-36页 |
| 3.2.3 时空局部二值模式矩(TSLBPM) | 第36-39页 |
| 3.3 基于TSLBPM特征和D-S理论融合的双模态情感识别 | 第39-42页 |
| 3.3.1 D-S证据理论 | 第39页 |
| 3.3.2 基本概率分配函数构造及判决规则 | 第39-41页 |
| 3.3.3 TSLBPM与D-S证据理论的双模态情感识别方法 | 第41-42页 |
| 3.4 实验结果与分析 | 第42-46页 |
| 3.4.1 视频帧集合大小选取 | 第43页 |
| 3.4.2 单模态情感识别实验 | 第43-46页 |
| 3.4.3 双模态情感识别实验 | 第46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 复合时空特征的双模态情感识别 | 第47-58页 |
| 4.1 引言 | 第47-48页 |
| 4.2 复合时空特征提取 | 第48-51页 |
| 4.2.1 时空局部三值模式矩(TSLTPM) | 第48-49页 |
| 4.2.2 三维梯度方向直方图(3DHOG) | 第49-51页 |
| 4.3 复合TSLTPM和3DHOG特征的双模态情感识别 | 第51-53页 |
| 4.4 实验结果与分析 | 第53-57页 |
| 4.4.1 单模态情感识别实验 | 第53-56页 |
| 4.4.2 双模态情感识别实验 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58-59页 |
| 5.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第65-67页 |
