基于深度卷积神经网络的人脸表情识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-27页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-24页 |
| 1.2.1 表情特征提取和表示 | 第15-22页 |
| 1.2.2 表情分类 | 第22-24页 |
| 1.3 面临的主要问题和挑战 | 第24-25页 |
| 1.4 本文的主要工作 | 第25-26页 |
| 1.5 本文的组织结构 | 第26-27页 |
| 第二章 人脸表情识别综述 | 第27-45页 |
| 2.1 人脸表情识别基本框架 | 第27-28页 |
| 2.2 人脸表情数据库介绍 | 第28-34页 |
| 2.2.1 JAFFE数据库 | 第29-30页 |
| 2.2.2 CK+数据库 | 第30-32页 |
| 2.2.3 AffectNet数据库 | 第32-34页 |
| 2.3 人脸图像的一般处理过程 | 第34-37页 |
| 2.3.1 人脸检测和跟踪 | 第34-36页 |
| 2.3.2 从图像中分离人脸 | 第36-37页 |
| 2.3.3 图像归一化 | 第37页 |
| 2.4 卷积神经网络的基本原理 | 第37-43页 |
| 2.4.1 CNN的基本思想 | 第37-38页 |
| 2.4.2 CNN的一般结构 | 第38-40页 |
| 2.4.3 卷积神经网络的动机 | 第40-42页 |
| 2.4.4 卷积神经网络的训练 | 第42-43页 |
| 2.5 本章小结 | 第43-45页 |
| 第三章 基于并行卷积神经网络的人脸表情识别 | 第45-77页 |
| 3.1 人脸表情识别的传统方法 | 第45-46页 |
| 3.2 基于卷积神经网络的人脸表情识别 | 第46-49页 |
| 3.3 并行卷积神经网络 | 第49-54页 |
| 3.3.1 全局网络 | 第50页 |
| 3.3.2 局部网络 | 第50-52页 |
| 3.3.3 网络融合 | 第52-54页 |
| 3.4 结构分析与参数设置 | 第54-57页 |
| 3.4.1 PConvNet网络的结构分析 | 第54-56页 |
| 3.4.2 参数设置 | 第56-57页 |
| 3.5 人脸表情图像处理 | 第57-63页 |
| 3.5.1 人脸检测和关键点定位 | 第58-59页 |
| 3.5.2 数据增强 | 第59-60页 |
| 3.5.3 旋转校正 | 第60-61页 |
| 3.5.4 图像裁剪 | 第61-62页 |
| 3.5.5 下采样 | 第62页 |
| 3.5.6 图像强度归一化 | 第62-63页 |
| 3.6 实验与结果分析 | 第63-75页 |
| 3.6.1 数据库的设置 | 第64-66页 |
| 3.6.2 评价方法 | 第66页 |
| 3.6.3 实验过程与结果 | 第66-72页 |
| 3.6.4 分析与比较 | 第72-75页 |
| 3.7 本章小结 | 第75-77页 |
| 第四章 人脸表情识别系统的设计与实现 | 第77-89页 |
| 4.1 系统设计方案 | 第77-80页 |
| 4.1.1 系统功能描述 | 第77-78页 |
| 4.1.2 系统开发环境 | 第78-80页 |
| 4.2 主要功能的实现 | 第80-87页 |
| 4.2.1 图像获取 | 第80页 |
| 4.2.2 人脸检测和关键点定位 | 第80-82页 |
| 4.2.3 旋转校正和人脸分割 | 第82-83页 |
| 4.2.4 特征提取和表情分类 | 第83-87页 |
| 4.3 本章小结 | 第87-89页 |
| 第五章 总结与展望 | 第89-93页 |
| 5.1 工作总结 | 第89-90页 |
| 5.2 不足与展望 | 第90-93页 |
| 参考文献 | 第93-99页 |
| 致谢 | 第99页 |
