| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 人脸表情识别概述 | 第11-15页 |
| 1.2.1 国内外研究现状 | 第11-13页 |
| 1.2.2 现阶段研究方法 | 第13-15页 |
| 1.2.3 人脸表情识别的难点 | 第15页 |
| 1.3 本文主要研究内容及结构安排 | 第15-17页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 结构安排 | 第16-17页 |
| 第二章 人脸表情识别的相关技术 | 第17-30页 |
| 2.1 人脸检测方法 | 第17-23页 |
| 2.1.1 可变形部件模型理论 | 第17-18页 |
| 2.1.2 DPM模型检测算法 | 第18-19页 |
| 2.1.3 关键部位匹配算法 | 第19-21页 |
| 2.1.4 DPM模型训练方法 | 第21-22页 |
| 2.1.5 实验结果 | 第22-23页 |
| 2.2 表情特征提取方法 | 第23-27页 |
| 2.2.1 HOG特征 | 第23-24页 |
| 2.2.2 Gabor算法 | 第24-26页 |
| 2.2.3 特征降维 | 第26-27页 |
| 2.3 人脸表情分类方法 | 第27-29页 |
| 2.3.1 AdaBoost算法 | 第27-28页 |
| 2.3.2 基于深度学习的人脸表情识别 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于图像序列的人脸表情识别 | 第30-50页 |
| 3.1 差分图像法 | 第30页 |
| 3.2 基于模型跟踪的方法 | 第30-31页 |
| 3.3 基于光流法的人脸表情识别 | 第31-41页 |
| 3.3.1 光流法 | 第31-35页 |
| 3.3.2 特征点跟踪 | 第35-40页 |
| 3.3.3 光流法提取特征流程 | 第40-41页 |
| 3.4 基于LSTM的人脸表情识别 | 第41-49页 |
| 3.4.1 递归神经网络(RNN) | 第41-45页 |
| 3.4.2 Softmax回归模型 | 第45-46页 |
| 3.4.3 长短时记忆神经网络(LSTM) | 第46-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 基于图像序列和音频情绪化的表情识别系统 | 第50-61页 |
| 4.1 视频中音频情绪化分类的研究 | 第50-54页 |
| 4.2 基于图像序列和音频情绪化的表情识别系统总体框架 | 第54-56页 |
| 4.3 基于图像序列和音频情绪化的表情识别系统分析 | 第56-60页 |
| 4.3.1 实验环境与数据集 | 第56-57页 |
| 4.3.2 结果分析与比较 | 第57-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |