基于单演二值模式的微表情识别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题研究背景与意义 | 第9-10页 |
| ·表情识别的综述 | 第10-12页 |
| ·表情特征提取 | 第10-11页 |
| ·表情特征分类 | 第11-12页 |
| ·微表情识别的研究现状 | 第12-14页 |
| ·微表情识别的心理学研究 | 第12-13页 |
| ·自动微表情识别的研究 | 第13-14页 |
| ·微表情识别的问题描述 | 第14-15页 |
| ·本文的主要工作 | 第15页 |
| ·论文的组织结构 | 第15-17页 |
| 第二章 人脸检测与定位 | 第17-25页 |
| ·Adaboost人脸检测算法 | 第17-19页 |
| ·监督下降法 | 第19-24页 |
| ·ASM算法介绍 | 第19-21页 |
| ·AAM算法介绍 | 第21-22页 |
| ·监督下降法 | 第22-24页 |
| ·图像预处理 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 微表情特征提取 | 第25-40页 |
| ·局部二值模式 | 第25-30页 |
| ·基本LBP | 第25-26页 |
| ·LBP延伸算法 | 第26-30页 |
| ·单演信号理论 | 第30-33页 |
| ·Gabor变换 | 第30-31页 |
| ·Log-Gabor变换 | 第31-32页 |
| ·单演信号分析 | 第32-33页 |
| ·基于MBP的静态微表情特征提取 | 第33-35页 |
| ·基于MBP-TOP的动态微表情特征提取 | 第35-39页 |
| ·VLBP算子 | 第35-36页 |
| ·LBP-TOP算子 | 第36-37页 |
| ·MBP-TOP提取动态微表情特征 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 微表情的识别与分类 | 第40-49页 |
| ·隐马尔可夫模型 | 第40-41页 |
| ·HMM模型的构造 | 第41-42页 |
| ·HMM模型类型 | 第41页 |
| ·双层HMM模型结构 | 第41-42页 |
| ·基于双层HMM模型的微表情分析 | 第42-47页 |
| ·评估问题：前向-后向算法 | 第43-44页 |
| ·解码问题：Viterbi算法 | 第44页 |
| ·训练学习问题: Baum-Wellch算法 | 第44-46页 |
| ·改进的模型训练方法 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 微表情识别的实验研究 | 第49-56页 |
| ·微表情数据库 | 第49-50页 |
| ·微表情识别的实验流程及结果 | 第50-56页 |
| ·微表情识别的实验流程 | 第51-52页 |
| ·微表情识别的实验结果 | 第52-55页 |
| ·实验结果分析 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·研究工作总结 | 第56页 |
| ·工作展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
