| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 人脸表情识别问题的描述 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-18页 |
| 1.3.1 现有的人脸表情数据库 | 第13-15页 |
| 1.3.2 人脸表情特征的提取 | 第15-17页 |
| 1.3.3 人脸表情的分类 | 第17-18页 |
| 1.4 本文主要研究内容 | 第18-20页 |
| 2 深度学习及其典型模型 | 第20-36页 |
| 2.1 深度学习的基本概念 | 第20-21页 |
| 2.2 典型的深度学习结构 | 第21-35页 |
| 2.2.1 自编码器(Auto-Encoder, AE) | 第21-25页 |
| 2.2.2 受限玻尔兹曼机(Restricted Boltzmann Machine, RBM) | 第25-30页 |
| 2.2.3 深度置信网络(Deep Belief Network, DBN) | 第30-32页 |
| 2.2.4 卷积神经网络(Convolutional Neural Network, CNN) | 第32-35页 |
| 2.3 本章小结 | 第35-36页 |
| 3 基于WPCANet与加权直方图的静态图像人脸表情识别 | 第36-60页 |
| 3.1 PCANet深度学习框架的引入 | 第36-43页 |
| 3.1.1 PCANet网络结构的第一阶段特征提取 | 第39-40页 |
| 3.1.2 PCANet网络结构的第二阶段特征提取 | 第40-41页 |
| 3.1.3 PCANet网络结构的输出阶段：哈希编码与直方图描述 | 第41-43页 |
| 3.2 基于WPCANet与分块加权直方图的表情特征提取 | 第43-46页 |
| 3.2.1 WPCANet网络结构的提出 | 第43-44页 |
| 3.2.2 基于面部不同位置表情类型鉴别差异的加权直方图描述 | 第44-46页 |
| 3.3 基于C-SVM分类模型的表情识别 | 第46-53页 |
| 3.3.1 面向两类别分类问题的线性SVM | 第46-49页 |
| 3.3.2 面向两类别分类问题的核SVM | 第49-51页 |
| 3.3.3 基于两类别SVM的多类别分类模型 | 第51-53页 |
| 3.4 实验与分析 | 第53-58页 |
| 3.4.1 人脸表情样本数据的准备 | 第53-54页 |
| 3.4.2 基于WPCANet及空间分块加权直方图的人脸表情特征提取 | 第54-56页 |
| 3.4.3 实验结果分析 | 第56-58页 |
| 3.5 本章小结 | 第58-60页 |
| 4 基于多视觉描述子及音频特征的动态序列人脸表情识别 | 第60-95页 |
| 4.1 AFEW5.0 动态表情库及预处理 | 第60-63页 |
| 4.2 基于多视觉描述子的动态表情局部空时特征提取 | 第63-75页 |
| 4.2.1 基于LBP-TOP算子的动态表情特征提取 | 第63-66页 |
| 4.2.2 基于SIFT算子的动态表情特征提取 | 第66-69页 |
| 4.2.3 基于HOG与HOF的动态表情特征提取 | 第69-70页 |
| 4.2.4 基于MBH算子的动态表情特征提取 | 第70-71页 |
| 4.2.5 基于二维Gabor小波变换的动态表情特征提取 | 第71-73页 |
| 4.2.6 基于分块二维DCT变换的动态表情特征提取 | 第73-75页 |
| 4.3 音频特征的获取 | 第75-76页 |
| 4.4 表情视频片段的特征表述 | 第76-77页 |
| 4.4.1 多视觉描述子的时间规整 | 第76-77页 |
| 4.4.2 特征融合策略 | 第77页 |
| 4.5 表情视频片段分类 | 第77-80页 |
| 4.5.1 偏最小二乘分类器 | 第77-79页 |
| 4.5.2 支持向量机 | 第79-80页 |
| 4.6 多识别模型的集成 | 第80-83页 |
| 4.6.1 多识别模型集成的必要性 | 第80页 |
| 4.6.2 基于加权投票机制的多识别模型集成决策 | 第80-81页 |
| 4.6.3 基于随机重采样的投票权重学习 | 第81-83页 |
| 4.6.4 基于个体分类模型相对优势的投票权重学习 | 第83页 |
| 4.7 实验与分析 | 第83-93页 |
| 4.7.1 参数设置 | 第83-84页 |
| 4.7.2 基于多视觉描述子的动态表情特征描述 | 第84-88页 |
| 4.7.3 实验结果比较 | 第88-93页 |
| 4.7.4 基于加权投票的多个体识别模型集成决策 | 第93页 |
| 4.8 本章小结 | 第93-95页 |
| 5 总结与展望 | 第95-97页 |
| 5.1 工作总结 | 第95页 |
| 5.2 工作展望 | 第95-97页 |
| 参考文献 | 第97-104页 |
| 致谢 | 第104页 |
