| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-31页 |
| 1.1 研究背景及意义 | 第13-17页 |
| 1.1.1 人脸表情识别的研究背景 | 第13-15页 |
| 1.1.2 人脸表情识别的研究意义 | 第15-17页 |
| 1.2 人脸表情识别研究现状 | 第17-27页 |
| 1.2.1 人脸表情图像特征提取 | 第17-21页 |
| 1.2.2 人脸表情图像特征分类 | 第21-23页 |
| 1.2.3 人脸表情图像深度网络特征学习 | 第23-25页 |
| 1.2.4 人脸表情识别研究存在问题及分析 | 第25-27页 |
| 1.3 本文主要内容和结构 | 第27-31页 |
| 1.3.1 本文研究内容 | 第27-29页 |
| 1.3.2 本文结构 | 第29-31页 |
| 第二章 基于特征提取的人脸表情识别方法 | 第31-43页 |
| 2.1 人脸表情图像数据与算法环境简介 | 第31-35页 |
| 2.1.1 表情数据库介绍 | 第31-33页 |
| 2.1.2 图像数据处理 | 第33-34页 |
| 2.1.3 算法环境简介 | 第34-35页 |
| 2.2 表情图像特征提取与分类 | 第35-40页 |
| 2.2.1 LBP模式与特征提取 | 第35-36页 |
| 2.2.2 Gabor模式与特征提取 | 第36-38页 |
| 2.2.3 HOG模式与特征提取 | 第38-39页 |
| 2.2.4 浅层分类器简介 | 第39-40页 |
| 2.3 实验描述与结果分析 | 第40-41页 |
| 2.4 本章小结 | 第41-43页 |
| 第三章 基于变分推理网络的人脸表情识别方法 | 第43-57页 |
| 3.1 引言 | 第43-44页 |
| 3.2 深度网络表情特征学习 | 第44-50页 |
| 3.2.1 深度自编码网络学习 | 第45-48页 |
| 3.2.2 变分推理学习原理 | 第48-50页 |
| 3.3 基于变分推理网络的人脸表情识别 | 第50-53页 |
| 3.4 实验描述与结果分析 | 第53-55页 |
| 3.4.1 实验描述 | 第53页 |
| 3.4.2 本文算法表情识别实验效果 | 第53-55页 |
| 3.4.3 不同算法的识别效果比较 | 第55页 |
| 3.5 本章小结 | 第55-57页 |
| 第四章 基于深度置信网络的人脸表情识别方法 | 第57-69页 |
| 4.1 引言 | 第57-59页 |
| 4.2 面部表情特征学习 | 第59-62页 |
| 4.2.1 面部表情特征分布分析 | 第59-60页 |
| 4.2.2 RBM网络特征学习 | 第60-62页 |
| 4.3 基于深度置信网络的人脸表情识别模型 | 第62-65页 |
| 4.3.1 DBN表情识别模型 | 第62-63页 |
| 4.3.2 DBN优化策略 | 第63-65页 |
| 4.4 实验描述与结果分析 | 第65-67页 |
| 4.4.1 实验描述 | 第65页 |
| 4.4.2 本文算法表情识别实验效果 | 第65-66页 |
| 4.4.3 混合模型的识别性能分析 | 第66页 |
| 4.4.4 不同算法的识别效果比较 | 第66-67页 |
| 4.5 本章小结 | 第67-69页 |
| 第五章 基于深度残差网络的人脸表情识别方法 | 第69-83页 |
| 5.1 引言 | 第69-70页 |
| 5.2 深度卷积神经网络特征学习 | 第70-77页 |
| 5.2.1 卷积网络基本原理 | 第70-73页 |
| 5.2.2 卷积网络优化策略 | 第73-76页 |
| 5.2.3 表情图像卷积特征学习 | 第76-77页 |
| 5.3 基于深度残差网络的人脸表情识别 | 第77-81页 |
| 5.3.1 残差学习 | 第77-78页 |
| 5.3.2 识别模型 | 第78-81页 |
| 5.4 实验描述与结果分析 | 第81-82页 |
| 5.4.1 实验描述 | 第81页 |
| 5.4.2 Cohn-Kanade表情库识别实验效果 | 第81页 |
| 5.4.3 不同算法的识别效果比较 | 第81-82页 |
| 5.5 本章小结 | 第82-83页 |
| 第六章 基于LSTM-RNN的人脸动态表情识别方法 | 第83-97页 |
| 6.1 引言 | 第83-85页 |
| 6.2 循环神经网络 | 第85-88页 |
| 6.2.1 基础模型概述 | 第85-86页 |
| 6.2.2 沿时反向传播学习 | 第86-88页 |
| 6.2.3 网络稳定性分析 | 第88页 |
| 6.3 结合LSTM的表情状态记忆 | 第88-93页 |
| 6.3.1 LSTM记忆单元 | 第89-90页 |
| 6.3.2 LSTM-RNN动态表情识别模型 | 第90-93页 |
| 6.4 实验描述与结果分析 | 第93-95页 |
| 6.4.1 实验描述 | 第93页 |
| 6.4.2 Cohn-Kanade表情库图像序列识别实验 | 第93-94页 |
| 6.4.3 静态图像识别与图像序列识别对比实验 | 第94-95页 |
| 6.4.4 本文算法鲁棒性实验 | 第95页 |
| 6.5 本章小结 | 第95-97页 |
| 第七章 结论与展望 | 第97-101页 |
| 7.1 本文研究要点总结 | 第97-99页 |
| 7.2 研究工作展望 | 第99-101页 |
| 参考文献 | 第101-111页 |
| 致谢 | 第111-113页 |
| 攻读博士学位期间取得的科研成果 | 第113-115页 |
| 作者简介 | 第115页 |
