| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 1 绪论 | 第13-25页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 人脸表情识别研究现状 | 第14-20页 |
| 1.2.1 人脸特征点定位的研究现状 | 第15页 |
| 1.2.2 人脸表情特征提取的研究现状 | 第15-17页 |
| 1.2.3 人脸表情分类算法的研究现状 | 第17-20页 |
| 1.3 贝叶斯网络的研究现状 | 第20-22页 |
| 1.3.1 贝叶斯网络的建模研究 | 第20-21页 |
| 1.3.2 贝叶斯网络的推理研究 | 第21页 |
| 1.3.3 贝叶斯网络的应用研究 | 第21-22页 |
| 1.4 本文研究内容及章节安排 | 第22-25页 |
| 2 人脸表情识别与贝叶斯网络的理论基础 | 第25-32页 |
| 2.1 人脸表情识别 | 第25-27页 |
| 2.1.1 人脸检测与特征点定位 | 第25-26页 |
| 2.1.2 人脸表情特征提取算法 | 第26-27页 |
| 2.2 贝叶斯网络 | 第27-31页 |
| 2.2.1 贝叶斯网络的结构建模 | 第27-28页 |
| 2.2.2 贝叶斯网络的参数建模 | 第28-29页 |
| 2.2.3 贝叶斯网络推理 | 第29-31页 |
| 2.3 KL散度 | 第31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 人脸表情识别BN结构建模 | 第32-42页 |
| 3.1 面部活动单元 | 第32-33页 |
| 3.2 人脸表情与AU的关系分析 | 第33-34页 |
| 3.3 CLM人脸特征点定位算法 | 第34-38页 |
| 3.3.1 CLM形状建模 | 第35-36页 |
| 3.3.2 CLM的 Patch建模和拟合优化 | 第36-38页 |
| 3.4 基于HOG算法的面部特征提取 | 第38页 |
| 3.5 面部活动单元(AU)的获取 | 第38-40页 |
| 3.6 人脸表情识别BN结构建模 | 第40-41页 |
| 3.7 本章小结 | 第41-42页 |
| 4 基于小数据集与专家经验的凸优化参数学习算法 | 第42-63页 |
| 4.1 小数据集条件下的参数学习算法 | 第42-45页 |
| 4.1.1 约束最大似然(CML)算法 | 第42-43页 |
| 4.1.2 保序回归估计(IRE)算法 | 第43-44页 |
| 4.1.3 凸优化 | 第44-45页 |
| 4.2 基于小数据集与专家经验的凸优化(CSDE)算法设计 | 第45-46页 |
| 4.3 “Sprinkler”模型下的实验与分析 | 第46-51页 |
| 4.3.1 “Sprinkler”结构模型 | 第46-47页 |
| 4.3.2 构建约束集合 | 第47-48页 |
| 4.3.3 实验结果与分析 | 第48-51页 |
| 4.4 “Cancer”模型下的实验与分析 | 第51-56页 |
| 4.4.1 “Cancer”模型结构 | 第51-52页 |
| 4.4.2 构建约束集合 | 第52-54页 |
| 4.4.3 实验结果与分析 | 第54-56页 |
| 4.5 “Asia”模型下的实验与分析 | 第56-61页 |
| 4.5.1 “Asia”模型结构 | 第56-57页 |
| 4.5.2 构建约束集合 | 第57-59页 |
| 4.5.3 实验结果与分析 | 第59-61页 |
| 4.6 CSDE算法的实时性分析 | 第61-62页 |
| 4.7 本章小结 | 第62-63页 |
| 5 CSDE算法在面部表情识别中的应用 | 第63-72页 |
| 5.1 基于贝叶斯网络的人脸表情识别算法 | 第63-65页 |
| 5.2 CSDE 算法在面部表情识别中的应用实验 | 第65-71页 |
| 5.2.1 AU样本数据集的预测 | 第65-67页 |
| 5.2.2 人脸表情识别BN结构模型 | 第67-68页 |
| 5.2.3 约束集合的构建 | 第68-69页 |
| 5.2.4 实验结果与分析 | 第69-71页 |
| 5.3 本章小节 | 第71-72页 |
| 6 总结与展望 | 第72-74页 |
| 6.1 本文工作总结 | 第72-73页 |
| 6.2 未来工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 攻读学位期间发表的学术论文及专利目录 | 第81-82页 |
| 攻读学位期间参加的科研项目 | 第82页 |
| 攻读硕士期间获奖情况 | 第82-83页 |