微表情识别的理论和方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 微表情问题的提出及界定 | 第10-11页 |
| 1.1.1 微表情问题的提出 | 第10页 |
| 1.1.2 微表情的界定 | 第10-11页 |
| 1.2 微表情的国内外研究进展 | 第11-15页 |
| 1.2.1 微表情识别的心理学研究 | 第11-12页 |
| 1.2.2 微表情识别的应用研究 | 第12-13页 |
| 1.2.3 微表情表达的研究 | 第13页 |
| 1.2.4 微表情自动识别的研究 | 第13-15页 |
| 1.3 微表情的研究意义 | 第15页 |
| 1.4 本文的主要工作 | 第15-18页 |
| 1.4.1 本文的主要研究工作 | 第15-16页 |
| 1.4.2 本文的组织框架 | 第16-18页 |
| 第二章 微表情数据库的建立 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 国内外现有的微表情数据库介绍 | 第18-22页 |
| 2.3 微表情数据库建库流程 | 第22-23页 |
| 2.4 建立微表情数据库的实验准备 | 第23-27页 |
| 2.4.1 实验装置及环境的搭建 | 第24页 |
| 2.4.2 实验诱发来源的选择 | 第24-25页 |
| 2.4.3 实验被试的招募及确定 | 第25-27页 |
| 2.5 实验培训及与预实验 | 第27页 |
| 2.6 实验正式采集过程 | 第27-29页 |
| 2.7 微表情数据库的建立 | 第29-30页 |
| 2.8 本章小结 | 第30-32页 |
| 第三章 传统的微表情识别方法 | 第32-50页 |
| 3.1 引言 | 第32页 |
| 3.2 微表情数据预处理 | 第32-36页 |
| 3.2.1 人脸配准 | 第33-35页 |
| 3.2.3 人脸切割和图像归一化 | 第35-36页 |
| 3.3 微表情检测 | 第36-40页 |
| 3.3.1 光流法 | 第36-37页 |
| 3.3.2 提取运动向量 | 第37-38页 |
| 3.3.3 微表情相关信息的检测 | 第38-40页 |
| 3.3.4 微表情检测实验结果 | 第40页 |
| 3.4 LBP-TOP特征提取 | 第40-46页 |
| 3.4.1 LBP描述子 | 第40-42页 |
| 3.4.2 LBP-TOP特征 | 第42-44页 |
| 3.4.3 微表情LBP-TOP特征提取 | 第44-46页 |
| 3.5 实验结果与分析 | 第46-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第四章 基于DBN的微表情识别 | 第50-64页 |
| 4.1 引言 | 第50页 |
| 4.2 深度学习 | 第50-53页 |
| 4.2.1 深度学习的发展历程 | 第50-51页 |
| 4.2.2 深度学习的定义 | 第51-53页 |
| 4.2.3 深度学习的分类 | 第53页 |
| 4.3 深度置信网络(DBN) | 第53-59页 |
| 4.3.1 受限玻尔兹曼机 | 第54-57页 |
| 4.3.2 BP网络 | 第57-59页 |
| 4.4 实验 | 第59-62页 |
| 4.4.1 实验数据扩样本预处理 | 第59-60页 |
| 4.4.2 实验设计 | 第60-61页 |
| 4.4.3 实验结果与分析 | 第61-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第五章 基于3D-CNN特征的微表情识别 | 第64-80页 |
| 5.1 引言 | 第64页 |
| 5.2 卷积神经网络 | 第64-69页 |
| 5.2.1 卷积神经网络的介绍 | 第64-65页 |
| 5.2.2 卷积神经网络的结构 | 第65-67页 |
| 5.2.3 卷积层 | 第67页 |
| 5.2.4 池化层 | 第67-68页 |
| 5.2.5 卷积神经网络的激活函数 | 第68-69页 |
| 5.3 三维卷积神经网络 | 第69-72页 |
| 5.3.1 三维卷积神经网络的概述 | 第69页 |
| 5.3.2 3D-CNN的网络结构 | 第69-72页 |
| 5.4 实验设计 | 第72-76页 |
| 5.4.1 实验数据预处理 | 第72-74页 |
| 5.4.2 网络结构设计 | 第74-76页 |
| 5.5 实验结果与分析 | 第76-79页 |
| 5.6 本章小结 | 第79-80页 |
| 第六章 微表情自动检测和识别系统 | 第80-84页 |
| 6.1 引言 | 第80页 |
| 6.2 系统界面主要功能 | 第80-84页 |
| 第七章 总结与展望 | 第84-86页 |
| 7.1 本文工作总结 | 第84-85页 |
| 7.2 后续研究探讨 | 第85-86页 |
| 致谢 | 第86-88页 |
| 参考文献 | 第88-91页 |
