首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

微表情数据库的建立和微表情检测技术研究

摘要第9-11页
ABSTRACT第11-12页
第一章 绪论第13-20页
    1.1 微表情研究的背景和意义第13-14页
    1.2 国内外研究现状分析第14-18页
        1.2.1 微表情表达特点第14-16页
        1.2.2 微表情数据库的研究现状第16-17页
        1.2.3 微表情检测技术的研究现状第17-18页
    1.3 微表情研究存在的主要问题第18页
    1.4 论文章节安排第18-20页
第二章 SDU微表情数据库的建立第20-36页
    2.1 微表情数据库介绍第20-24页
    2.2 建库过程第24-29页
        2.2.1 微表情采集准备工作第24-26页
        2.2.2 微表情采集流程第26-27页
        2.2.3 人工编码第27-29页
    2.3 SDU微表情数据库特点分析第29-33页
        2.3.1 微表情分类特点分析第29-30页
        2.3.2 微表情时长特点分析第30-33页
    2.4 建库中存在的问题第33-35页
    2.5 本章小结第35-36页
第三章 微表情数据库图像序列质量评估第36-52页
    3.1 实验准备工作第36-37页
        3.1.1 实验样本加工处理第36-37页
        3.1.2 感兴趣区域划分第37页
    3.2 主观评价法第37-40页
        3.2.1 主观评价法介绍第37-38页
        3.2.2 实验结果和分析第38-40页
    3.3 客观评价法第40-43页
        3.3.1 客观评价法介绍第40-41页
        3.3.2 实验结果和分析第41-43页
    3.4 特征值分析对比法第43-51页
        3.4.1 光流特征矢量提取法第43-45页
        3.4.2 分辨率对光流特征矢量幅值提取影响的实验结果和分析第45-47页
        3.4.3 帧率对光流特征矢量幅值提取影响的实验结果和分析第47-49页
        3.4.4 压缩率对光流特征矢量幅值提取影响的实验结果和分析第49-51页
    3.5 本章小结第51-52页
第四章 微表情检测技术研究第52-68页
    4.1 基于特征点集群形变向量的微表情检测方法第52-56页
        4.1.1 感兴趣区域划分第52-53页
        4.1.2 检测方法第53-55页
        4.1.3 检测实验结果和分析第55-56页
    4.2 基于光流特征矢量的幅值和角度信息分析的微表情检测方法第56-67页
        4.2.1 视频序列预处理第56-57页
        4.2.2 感兴趣区域划分第57页
        4.2.3 利用光流幅值检测微表情第57-60页
        4.2.4 利用光流角度检测微表情第60-65页
        4.2.5 实验结果和分析第65-67页
    4.3 本章小结第67-68页
第五章 总结和展望第68-70页
    5.1 工作总结第68-69页
    5.2 工作展望第69-70页
参考文献第70-77页
致谢第77-78页
硕士期间研究成果第78-79页
学位论文评阅及答辩情况表第79页

论文共79页,点击 下载论文
上一篇:基于光纤无线融合的传感系统
下一篇:基于非刚性连接位置姿态数据的机载扫描图像的姿态校正技术研究