| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 论文研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的主要研究内容 | 第12-14页 |
| 第2章 微表情识别相关技术介绍 | 第14-32页 |
| 2.1 引言 | 第14页 |
| 2.2 人脸微表情识别的基本步骤 | 第14页 |
| 2.3 常见的静态表情特征提取方法 | 第14-19页 |
| 2.3.1 局部部二值模式 | 第14-16页 |
| 2.3.2 局部相位量化 | 第16-17页 |
| 2.3.3 梯度的直方图 | 第17-19页 |
| 2.4 常见的动态表情特征提取方法 | 第19-23页 |
| 2.4.1 三面正交的局部二元模式 | 第19-20页 |
| 2.4.2 三面正交的局部相位量化 | 第20-21页 |
| 2.4.3 三维梯度直方图 | 第21-23页 |
| 2.5 常用的分类器算法 | 第23-30页 |
| 2.5.1 K近邻分类器 | 第24-26页 |
| 2.5.2 支持向量机 | 第26-30页 |
| 2.6 微表情库介绍 | 第30-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第3章 视频序列预处理与三维梯度直方图 | 第32-42页 |
| 3.1 引言 | 第32页 |
| 3.2 定帧帧插法 | 第32-35页 |
| 3.2.1 确定关键帧 | 第32-33页 |
| 3.2.2 帧间运动补偿 | 第33-35页 |
| 3.3 时间空间描述子 | 第35-38页 |
| 3.3.1 柏拉图体 | 第36页 |
| 3.3.2 梯度计算 | 第36-37页 |
| 3.3.3 方向量化 | 第37-38页 |
| 3.3.4 直方图计算 | 第38页 |
| 3.4 实验结果与分析 | 第38-41页 |
| 3.4.1 三维梯度直方图可视化实验 | 第38-40页 |
| 3.4.2 三维梯度直方图性能分析 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 结合特征降维与三维梯度直方图微表情识别算法 | 第42-50页 |
| 4.1 引言 | 第42页 |
| 4.2 常用特征降维方法 | 第42-44页 |
| 4.2.1 主成分分析与二维主成分分析 | 第42-43页 |
| 4.2.2 多分类特征排序算法 | 第43-44页 |
| 4.3 主成分分析与多分类特特征排序加权算法 | 第44-46页 |
| 4.4 实验结果与分析 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 基于分块建模与三维梯度直方图微表情识别算法 | 第50-55页 |
| 5.1 引言 | 第50页 |
| 5.2 自适应权重计算方法 | 第50-51页 |
| 5.3 分块权重模糊分类法 | 第51-52页 |
| 5.4 实验结果与分析 | 第52-54页 |
| 5.5 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-61页 |
| 致谢 | 第61页 |