| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 人脸检测的研究现状 | 第12-14页 |
| 1.2.1 人脸检测研究现状 | 第12-14页 |
| 1.2.2 驾驶员人脸检测研究现状 | 第14页 |
| 1.3 情感识别的研究现状 | 第14-16页 |
| 1.3.1 基于面部表情的情感识别研究现状 | 第14-15页 |
| 1.3.2 基于语音的情感识别研究现状 | 第15-16页 |
| 1.3.3 融合表情和语音的情感识别研究现状 | 第16页 |
| 1.4 驾驶员路怒情感识别研究现状 | 第16-17页 |
| 1.5 主要研究内容 | 第17-18页 |
| 1.6 论文的组织结构 | 第18-19页 |
| 第二章 人脸检测和情感识别的相关理论及技术 | 第19-28页 |
| 2.1 人脸检测方法概述 | 第19页 |
| 2.1.1 传统人脸特征的提取方法 | 第19页 |
| 2.1.2 基于深度学习的人脸特征的提取方法 | 第19页 |
| 2.2 情感识别方法概述 | 第19-24页 |
| 2.2.1 表情特征提取方法 | 第19-22页 |
| 2.2.2 语音情感特征提取方法 | 第22-23页 |
| 2.2.3 融合表情和语音情感识别方法 | 第23-24页 |
| 2.3 常用分类器 | 第24-25页 |
| 2.4 卷积神经网络 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 融合Infrared-D信息的驾驶员人脸检测方法 | 第28-36页 |
| 3.1 红外图像和深度信息的结合 | 第28-29页 |
| 3.2 卷积网络（ConvNet） | 第29页 |
| 3.3 驾驶员脸部位置初步定位方法 | 第29-31页 |
| 3.3.1 基于s1-net ConvNet的人脸可能位置确定 | 第30页 |
| 3.3.2 基于非极大值抑制（NMS）错误窗口消除 | 第30页 |
| 3.3.3 初始人脸检测窗口合并 | 第30-31页 |
| 3.4 驾驶员人脸最终定位 | 第31-32页 |
| 3.5 实验结果及分析 | 第32-35页 |
| 3.5.1 数据库 | 第32页 |
| 3.5.2 实验设置 | 第32-33页 |
| 3.5.3 参数选择 | 第33-34页 |
| 3.5.4 性能比较 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 融合面部Infrared-D信息的驾驶员路怒表情识别 | 第36-43页 |
| 4.1 基于PCANet的面部Infrared-D图像特征提取 | 第36-38页 |
| 4.2 实验结果与分析 | 第38-42页 |
| 4.2.1 数据库及实验设置 | 第38-39页 |
| 4.2.2 参数设置 | 第39-41页 |
| 4.2.3 SVM分类器参数选择 | 第41-42页 |
| 4.2.4 性能比较 | 第42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 融合面部表情和语音的驾驶员路怒症识别 | 第43-50页 |
| 5.1 语音信号预处理 | 第43-45页 |
| 5.1.1 语音信号的分割 | 第43页 |
| 5.1.2 语谱图的生成 | 第43-45页 |
| 5.1.3 文本（说话内容）向量化 | 第45页 |
| 5.2 基于语音语谱图和说话内容的驾驶员语音路怒症识别 | 第45-47页 |
| 5.2.1 驾驶员情感语音库 | 第46页 |
| 5.2.2 驾驶员语音情感的识别 | 第46-47页 |
| 5.3 融合面部表情和语音的驾驶员路怒症识别方法 | 第47-48页 |
| 5.4 实验结果 | 第48-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第六章 总结和展望 | 第50-52页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-52页 |
| 参考文献 | 第52-59页 |
| 致谢 | 第59-60页 |
| 在学期间发表的学术论文及其其他科研成果 | 第60页 |
