| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 课题研究背景及意义 | 第15-16页 |
| 1.2 课题研究现状 | 第16-17页 |
| 1.3 人脸表情识别系统 | 第17-18页 |
| 1.4 人脸表情数据库 | 第18-20页 |
| 1.5 课题研究难点 | 第20-21页 |
| 1.6 论文主要内容及结构安排 | 第21-23页 |
| 第二章 人脸表情识别理论基础 | 第23-32页 |
| 2.1 人脸检测 | 第23-24页 |
| 2.2 图像预处理 | 第24-27页 |
| 2.2.1 几何变换 | 第24-25页 |
| 2.2.2 滤波去噪 | 第25-27页 |
| 2.2.3 直方图均衡化 | 第27页 |
| 2.3 特征提取 | 第27-29页 |
| 2.3.1 基于静态表情图像的特征提取方法 | 第27-29页 |
| 2.3.2 基于动态图像序列的特征提取方法 | 第29页 |
| 2.4 分类识别 | 第29-31页 |
| 2.5 基于深度学习的人脸表情识别 | 第31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 融合CS-LSBP和HOAG特征的人脸表情识别 | 第32-44页 |
| 3.1 引言 | 第32-33页 |
| 3.2 中心对称局部二值模式及其改进 | 第33-35页 |
| 3.2.1 局部二值模式 | 第33页 |
| 3.2.2 中心对称局部二值模式 | 第33-34页 |
| 3.2.3 中心对称局部平滑二值模式 | 第34-35页 |
| 3.3 梯度方向直方图及其改进 | 第35-37页 |
| 3.3.1 梯度方向直方图 | 第35-36页 |
| 3.3.2 绝对梯度方向直方图 | 第36-37页 |
| 3.4 典型相关分析 | 第37页 |
| 3.5 实验结果及分析 | 第37-42页 |
| 3.5.1 实验描述 | 第37-38页 |
| 3.5.2 实验结果分析 | 第38-40页 |
| 3.5.3 不同算法的性能比较 | 第40-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第四章 基于卷积神经网络的人脸表情自动标注 | 第44-55页 |
| 4.1 引言 | 第44页 |
| 4.2 人脸表情图像获取 | 第44-46页 |
| 4.2.1 图像采集 | 第44-45页 |
| 4.2.2 人脸图像获取 | 第45-46页 |
| 4.3 人脸图像自动标注 | 第46-47页 |
| 4.3.1 卷积神经网络构建 | 第46-47页 |
| 4.3.2 标注规则设定 | 第47页 |
| 4.4 实验结果与分析 | 第47-52页 |
| 4.4.1 实验数据集及增强 | 第47-49页 |
| 4.4.2 实验描述 | 第49-50页 |
| 4.4.3 参数选取 | 第50-52页 |
| 4.5 数据库评价 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 本文工作总结 | 第55页 |
| 5.2 未来工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第61-62页 |