| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 表情识别的背景及研究意义 | 第9-10页 |
| 1.2 表情识别的发展历程与研究现状 | 第10-15页 |
| 1.2.1 表情识别的发展历程 | 第10-11页 |
| 1.2.2 自动表情识别系统的组成 | 第11-12页 |
| 1.2.3 人脸检测与人脸跟踪的研究 | 第12-13页 |
| 1.2.4 人脸表情特征提取的研究 | 第13-14页 |
| 1.2.5 人脸表情识别方法的研究 | 第14-15页 |
| 1.3 本文的研究工作和组织框架 | 第15-17页 |
| 1.3.1 本文的主要研究工作 | 第15页 |
| 1.3.2 本文的组织框架 | 第15-17页 |
| 第二章 基于谱滤波的面部跟踪算法 | 第17-31页 |
| 2.1 引言 | 第17-18页 |
| 2.2 基于谱滤波的跟踪算法 | 第18-23页 |
| 2.2.1 图的表示 | 第19页 |
| 2.2.2 图的构建 | 第19-20页 |
| 2.2.3 局部谱滤波器的构建 | 第20-21页 |
| 2.2.4 跟踪目标位置的预测 | 第21-22页 |
| 2.2.5 算法主要流程 | 第22页 |
| 2.2.6 多通道特征 | 第22-23页 |
| 2.2.7 实现细节 | 第23页 |
| 2.2.8 儿童面部跟踪数据库的建立 | 第23页 |
| 2.3 实验结果与分析 | 第23-29页 |
| 2.3.1 OTB-2015数据库上的实验 | 第24-27页 |
| 2.3.2 Child-Benchmark数据库上的实验 | 第27-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于视频中的人脸表情识别算法 | 第31-43页 |
| 3.1 引言 | 第31页 |
| 3.2 基于深度学习的动态表情识别框架 | 第31-32页 |
| 3.3 基于卷积神经网络提取空间特征 | 第32-35页 |
| 3.3.1 卷积神经网络结构 | 第33-34页 |
| 3.3.2 微调卷积神经网络 | 第34-35页 |
| 3.4 基于双向循环神经网络的动态表情识别 | 第35-37页 |
| 3.4.1 循环神经网络的建立 | 第35-36页 |
| 3.4.2 循环神经网络的优化 | 第36-37页 |
| 3.5 实现细节 | 第37-38页 |
| 3.5.1 数据集以及数据扩增 | 第37页 |
| 3.5.2 参数设定 | 第37-38页 |
| 3.6 实验结果与分析 | 第38-42页 |
| 3.6.1 CHEAVD数据库上的实验 | 第38-40页 |
| 3.6.2 CK+数据库上的实验 | 第40-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第四章 基于深度神经网络的微笑检测算法 | 第43-57页 |
| 4.1 引言 | 第43页 |
| 4.2 儿童笑脸数据库的建立与整理 | 第43-44页 |
| 4.2.1 儿童笑脸数据库的建立 | 第43-44页 |
| 4.2.2 自建混合笑脸数据库 | 第44页 |
| 4.3 基于卷积神经网络的微笑检测网络设计 | 第44-48页 |
| 4.3.1 损失函数 | 第44-46页 |
| 4.3.2 网络结构的设计 | 第46-48页 |
| 4.4 实验结果与分析 | 第48-53页 |
| 4.4.1 图像预处理 | 第48页 |
| 4.4.2 实验参数设定 | 第48页 |
| 4.4.3 GENKI-4K笑脸数据库上的实验 | 第48-50页 |
| 4.4.4 儿童笑脸数据库上的实验 | 第50-53页 |
| 4.5 面部跟踪与微笑检测系统 | 第53-56页 |
| 4.5.1 实验软硬件平台介绍 | 第53-54页 |
| 4.5.2 儿童面部跟踪与笑脸检测系统介绍 | 第54页 |
| 4.5.3 界面设计 | 第54页 |
| 4.5.4 界面主要功能 | 第54-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文工作总结 | 第57页 |
| 5.2 后续研究讨论 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 硕士期间论文发表情况及参与的研究项目 | 第67页 |