| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第14-23页 |
| 1.1 课题的研究背景、目的与意义 | 第14-15页 |
| 1.1.1 研究背景 | 第14页 |
| 1.1.2 研究目的与意义 | 第14-15页 |
| 1.2 国内外研究现状分析 | 第15-16页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16页 |
| 1.3 表情识别研究现状 | 第16-22页 |
| 1.3.1 人脸检测 | 第18页 |
| 1.3.2 表情特征提取 | 第18-21页 |
| 1.3.3 表情分类 | 第21-22页 |
| 1.4 论文章节安排 | 第22-23页 |
| 第2章 人脸表情特征提取 | 第23-37页 |
| 2.1 引言 | 第23页 |
| 2.2 人脸检测 | 第23-25页 |
| 2.3 主动表观模型的基础理论 | 第25-30页 |
| 2.3.1 建立形状模型 | 第25-27页 |
| 2.3.2 建立纹理模型 | 第27-28页 |
| 2.3.3 建立表观模型 | 第28-30页 |
| 2.4 主动表观模型的快速拟合方法 | 第30-36页 |
| 2.4.1 Fast-SIC算法 | 第31-33页 |
| 2.4.2 基于Fast-SIC的AAM实验 | 第33-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 基于AAM与LGBP结合的人脸表情识别 | 第37-50页 |
| 3.1 引言 | 第37页 |
| 3.2 BRISK和LGBP算法的原理 | 第37-42页 |
| 3.2.1 BRISK | 第37-40页 |
| 3.2.2 LGBP | 第40-42页 |
| 3.3 表情识别在智能机器人中的应用研究 | 第42-45页 |
| 3.3.1 基于AAM和BRISK组合方法的表情特征提取 | 第42-43页 |
| 3.3.2 表情分类 | 第43-45页 |
| 3.4 实验与结果分析 | 第45-49页 |
| 3.4.1 实验数据选择 | 第46-47页 |
| 3.4.2 实验步骤 | 第47页 |
| 3.4.3 实验结果 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 基于卷积神经网络的人脸表情识别 | 第50-64页 |
| 4.1 引言 | 第50页 |
| 4.2 卷积神经网络模型 | 第50-54页 |
| 4.2.1 卷积层 | 第51-52页 |
| 4.2.2 池化层 | 第52-53页 |
| 4.2.3 全连接层 | 第53页 |
| 4.2.4 激活函数 | 第53页 |
| 4.2.5 Dropout | 第53-54页 |
| 4.3 训练卷积网络 | 第54-55页 |
| 4.4 实验与结果分析 | 第55-63页 |
| 4.4.1 实验数据与预处理 | 第55页 |
| 4.4.2 深度学习库的选择 | 第55-56页 |
| 4.4.3 卷积神经网络的模型及参数设置 | 第56-60页 |
| 4.4.4 实验结果 | 第60-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 表情识别的服务机器人智能交互系统设计 | 第64-76页 |
| 5.1 引言 | 第64页 |
| 5.2 NAO机器人平台介绍 | 第64-69页 |
| 5.2.1 硬件环境 | 第64-67页 |
| 5.2.2 软件环境 | 第67-69页 |
| 5.3 机器人智能交互系统设计 | 第69-71页 |
| 5.4 实验与结果分析 | 第71-75页 |
| 5.5 本章小结 | 第75-76页 |
| 总结与展望 | 第76-78页 |
| 1.总结 | 第76页 |
| 2.展望 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-85页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第85页 |