| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-13页 |
| 1 引言 | 第13-19页 |
| 1.1 课题的研究背景与意义 | 第13-15页 |
| 1.1.1 微表情的研究背景 | 第13-14页 |
| 1.1.2 微表情的研究意义 | 第14-15页 |
| 1.2 国内外研究现状及发展趋势 | 第15-17页 |
| 1.2.1 微表情的心理学研究 | 第15-16页 |
| 1.2.2 微表情的自动识别研究 | 第16-17页 |
| 1.3 本文的研究工作 | 第17-18页 |
| 1.4 本文的组织结构 | 第18页 |
| 1.5 本章小结 | 第18-19页 |
| 2 经典微表情特征提取算法研究 | 第19-30页 |
| 2.1 基于LBP-TOP特征的微表情特征提取算法 | 第19-20页 |
| 2.1.1 LBP基本原理 | 第19-20页 |
| 2.1.2 LBP-TOP基本原理 | 第20页 |
| 2.2 基于STLBP-IP特征的微表情特征提取算法 | 第20-23页 |
| 2.2.1 基于差分图像的积分投影 | 第20-21页 |
| 2.2.2 基于积分投影的时空LBP特征 | 第21-23页 |
| 2.3 基于DiSTLBP-RIP特征的微表情特征提取算法 | 第23-25页 |
| 2.3.1 基于RPCA的积分投影 | 第23-24页 |
| 2.3.2 拉普拉斯特征选择 | 第24-25页 |
| 2.4 基于MDMO特征的微表情特征提取算法 | 第25-27页 |
| 2.4.1 光流域人脸对齐 | 第25-26页 |
| 2.4.2 MDMO特征 | 第26-27页 |
| 2.5 算法对比 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 基于RHOOF特征的微表情峰值帧检测算法 | 第30-44页 |
| 3.1 人脸关键点检测 | 第30-34页 |
| 3.1.1 CFCNC的网络结构 | 第30-32页 |
| 3.1.2 CFCNC的算法思想 | 第32-33页 |
| 3.1.3 CFCNC的训练过程 | 第33-34页 |
| 3.2 ROI选取 | 第34-35页 |
| 3.3 峰值检测 | 第35-40页 |
| 3.3.1 金字塔光流算法 | 第35-38页 |
| 3.3.2 RHOOF特征提取及峰值检测 | 第38-40页 |
| 3.4 实验分析 | 第40-43页 |
| 3.4.1 数据集描述和评价指标 | 第40-41页 |
| 3.4.2 对比算法 | 第41-43页 |
| 3.4.3 实验结果与分析 | 第43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 基于MHOOF特征的微表情识别算法 | 第44-58页 |
| 4.1 ROI划分 | 第44-46页 |
| 4.1.1 人脸动作编码系统 | 第44-45页 |
| 4.1.2 ROI划分策略 | 第45-46页 |
| 4.2 MHOOF特征提取 | 第46-49页 |
| 4.3 SVM微表情识别 | 第49-52页 |
| 4.3.1 线性可分支持向量机 | 第49-50页 |
| 4.3.2 线性支持向量机 | 第50-51页 |
| 4.3.3 非线性支持向量机 | 第51-52页 |
| 4.4 实验分析 | 第52-55页 |
| 4.4.1 数据集描述和评价指标 | 第52页 |
| 4.4.2 实验结果与分析 | 第52-55页 |
| 4.5 微表情峰值检测和情感识别演示系统 | 第55-57页 |
| 4.6 本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 工作总结 | 第58页 |
| 5.2 工作展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第64-66页 |
| 学位论文数据集 | 第66页 |
