| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 引言 | 第12页 |
| 1.2 课题研究背景与意义 | 第12-14页 |
| 1.3 人脸表情识别的国内外发展现状 | 第14-18页 |
| 1.3.1 人脸表情识别的国外发展现状 | 第14-16页 |
| 1.3.2 人脸表情识别的国内发展现状 | 第16-18页 |
| 1.4 卷积神经网络的研究现状 | 第18页 |
| 1.5 本文的主要工作 | 第18-19页 |
| 1.6 本文的内容安排 | 第19-21页 |
| 第2章 人脸表情识别理论 | 第21-29页 |
| 2.1 引言 | 第21页 |
| 2.2 人脸表情识别算法分类 | 第21-28页 |
| 2.2.1 表情特征提取算法 | 第22-25页 |
| 2.2.2 特征降维算法 | 第25-27页 |
| 2.2.3 表情分类算法 | 第27-28页 |
| 2.3 人脸表情识别技术中的难点 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于改进的卷积神经网络的表情识别算法 | 第29-46页 |
| 3.1 引言 | 第29页 |
| 3.2 卷积神经网络的基本原理 | 第29-35页 |
| 3.2.1 卷积神经网络的基本思想 | 第29-31页 |
| 3.2.2 卷积神经网络的结构 | 第31-33页 |
| 3.2.3 卷积神经网络的训练方法 | 第33-35页 |
| 3.3 基于连续卷积神经网络的人脸表情识别算法 | 第35-41页 |
| 3.3.1 连续卷积神经网络模型的构建和参数设置 | 第35-37页 |
| 3.3.2 三种卷积神经网络模型的对比 | 第37-41页 |
| 3.4 仿真实验与分析 | 第41-45页 |
| 3.4.1 模型性能分析 | 第42-44页 |
| 3.4.2 对比实验 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 基于CNN特征和LBP特征融合的人脸表情识别算法 | 第46-61页 |
| 4.1 引言 | 第46-47页 |
| 4.2 局部二值模式简介 | 第47-49页 |
| 4.2.1 原始LBP算子 | 第47-48页 |
| 4.2.2 旋转不变LBP算子 | 第48-49页 |
| 4.3 基于特征融合的人脸表情识别算法 | 第49-53页 |
| 4.3.1 表情图像预处理 | 第49-50页 |
| 4.3.2 CNN特征和LBP特征的融合与降维处理 | 第50-51页 |
| 4.3.3 算法设计 | 第51-53页 |
| 4.3.4 算法复杂度分析 | 第53页 |
| 4.4 仿真实验与分析 | 第53-60页 |
| 4.5 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读硕士学位期间所发表的学术论文 | 第70页 |