基于人脸多模态技术的视频情感分类算法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-12页 |
| 1.2.1 人脸识别研究现状 | 第10-12页 |
| 1.2.2 视频分类研究现状 | 第12页 |
| 1.3 论文主要研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第2章 人脸多模态与视频分类算法的研究 | 第15-37页 |
| 2.1 图像识别及卷积神经网络 | 第15页 |
| 2.2 深度卷积神经网络 | 第15-19页 |
| 2.3 循环神经网络与LSTM | 第19-23页 |
| 2.3.1 循环神经网络 | 第19-21页 |
| 2.3.2 LSTM结构 | 第21-23页 |
| 2.4 人脸多模态识别的研究 | 第23-33页 |
| 2.4.1 人脸检测 | 第23-25页 |
| 2.4.2 人脸特征点检测与对齐 | 第25-26页 |
| 2.4.3 人脸识别 | 第26-29页 |
| 2.4.4 人脸多表情识别 | 第29-33页 |
| 2.5 视频分析算法的研究 | 第33-35页 |
| 2.5.1 视频关键帧的选取 | 第33-35页 |
| 2.5.2 视频分类算法的研究 | 第35页 |
| 2.6 本章小结 | 第35-37页 |
| 第3章 人脸多模态算法的设计 | 第37-49页 |
| 3.1 人脸检测与对齐 | 第37-39页 |
| 3.2 人脸多模态识别 | 第39-43页 |
| 3.3 实验与结果分析 | 第43-46页 |
| 3.3.1 实验软硬件环境 | 第43页 |
| 3.3.2 数据集 | 第43-45页 |
| 3.3.3 caffe框架的配置 | 第45页 |
| 3.3.4 评价指标 | 第45页 |
| 3.3.5 识别结果 | 第45-46页 |
| 3.4 本章小结 | 第46-49页 |
| 第4章 视频情感分类算法的设计 | 第49-57页 |
| 4.1 算法整体流程 | 第49-50页 |
| 4.2 视频关键场景选取 | 第50-53页 |
| 4.2.1 算法的分析 | 第50-51页 |
| 4.2.2 算法的设计 | 第51-53页 |
| 4.3 视频情感分类 | 第53-54页 |
| 4.3.1 算法的分析 | 第53页 |
| 4.3.2 算法的设计 | 第53-54页 |
| 4.4 实验与结果分析 | 第54-56页 |
| 4.4.1 关键场景选取 | 第54-55页 |
| 4.4.2 视频情感分类 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 视频分类系统的实现 | 第57-67页 |
| 5.1 需求分析 | 第57-58页 |
| 5.1.1 场景描述 | 第57页 |
| 5.1.2 功能需求 | 第57页 |
| 5.1.3 非功能需求 | 第57-58页 |
| 5.2 可行性分析 | 第58页 |
| 5.3 架构设计 | 第58-60页 |
| 5.4 服务器端的详细设计 | 第60-62页 |
| 5.4.1 数据请求的网络传输设计 | 第60-61页 |
| 5.4.2 服务器端系统设计 | 第61页 |
| 5.4.3 数据库设计 | 第61-62页 |
| 5.5 客户端的详细设计 | 第62-63页 |
| 5.6 视频分类系统的实现 | 第63-65页 |
| 5.7 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的学术论文 | 第73-75页 |
| 致谢 | 第75页 |
