微表情检测与定位关键技术研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-12页 |
| 1 引言 | 第12-18页 |
| 1.1 微表情研究意义 | 第12-13页 |
| 1.2 国内外研究现状及发展趋势 | 第13-15页 |
| 1.3 微表情研究难点分析 | 第15-16页 |
| 1.4 论文主要内容及结构安排 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 微表情时空特征检测研究 | 第18-32页 |
| 2.1 传统STIP时空特征点检测 | 第18-21页 |
| 2.1.1 二维Harris检测基本算法 | 第18-20页 |
| 2.1.2 Harris3D局部时空特征检测 | 第20-21页 |
| 2.2 基于Mo SIFT时空特征点检测 | 第21-28页 |
| 2.2.1 尺度不变特征转换算法 | 第22-26页 |
| 2.2.2 三维尺度不变特征转换算法 | 第26-28页 |
| 2.3 特征描述子 | 第28-31页 |
| 2.3.1 方向梯度直方图描述子 | 第29-30页 |
| 2.3.2 方向光流直方图描述子 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 稀疏编码及片段描述 | 第32-37页 |
| 3.1 视觉字典学习 | 第32-33页 |
| 3.2 特征向量稀疏表示 | 第33-35页 |
| 3.3 片段描述 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 微表情片段分类与预测 | 第37-44页 |
| 4.1 K-近邻分类算法 | 第37-38页 |
| 4.2 回归分析理论 | 第38-43页 |
| 4.2.1 支持向量机基础理论 | 第38-40页 |
| 4.2.2 支持向量回归理论 | 第40-43页 |
| 4.3 本章小结 | 第43-44页 |
| 5 实验结果及数据分析 | 第44-53页 |
| 5.1 微表情数据库 | 第44-45页 |
| 5.2 数据库CK+检测识别结果 | 第45-49页 |
| 5.3 数据库AVEC情感状态值预测 | 第49-52页 |
| 5.4 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 工作总结 | 第53页 |
| 6.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 作者简历 | 第58-60页 |
| 学位论文数据集 | 第60页 |
