| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 语音情感识别综述 | 第9-14页 |
| 1.2.1 研究现状 | 第9-10页 |
| 1.2.2 语音数据库介绍 | 第10-11页 |
| 1.2.3 常用情感语音特征 | 第11-14页 |
| 1.3 人脸表情识别综述 | 第14-16页 |
| 1.3.1 研究现状 | 第14-15页 |
| 1.3.2 人脸表情数据库介绍 | 第15-16页 |
| 1.4 双模态情感识别研究综述 | 第16页 |
| 1.5 识别分类器 | 第16-18页 |
| 1.5.1 支持向量机识别分类器(SVM) | 第17-18页 |
| 1.5.2 随机森林识别分类器 | 第18页 |
| 1.6 情感识别的存在的问题 | 第18-19页 |
| 1.7 本文研究主要内容及安排 | 第19-20页 |
| 第二章 基于非线性特征的语音情感识别 | 第20-46页 |
| 2.1 情感语音的前期处理 | 第20-23页 |
| 2.1.1 语音信号的端点检测 | 第20-22页 |
| 2.1.2 语音信号的预处理 | 第22-23页 |
| 2.2 情感语音信号的非线性特性 | 第23-24页 |
| 2.3 非线性情感语音特征 | 第24-36页 |
| 2.3.1 赫斯特(Hurst)指数 | 第24-27页 |
| 2.3.2 Lempel_Ziv复杂度 | 第27-29页 |
| 2.3.3 最大李雅普诺夫指数 | 第29-31页 |
| 2.3.4 近似熵 | 第31-33页 |
| 2.3.5 盒维数 | 第33-36页 |
| 2.4 基于非线性特征的语音情感识别实验及分析 | 第36-44页 |
| 2.5 本章小结 | 第44-46页 |
| 第三章 基于视频关键帧提取算法的表情识别 | 第46-62页 |
| 3.1 人脸表情图像特征 | 第46-50页 |
| 3.1.1 局部二值化模式 | 第46-48页 |
| 3.1.2 Gabor小波变换 | 第48-50页 |
| 3.2 结合语音幅值和LBP相似度的表情图像关键帧提取算法 | 第50-58页 |
| 3.3 基于人脸表情关键帧提取的情感识别实验及结果分析 | 第58-61页 |
| 3.4 本章小结 | 第61-62页 |
| 第四章 语音与人脸表情双模态情感识别 | 第62-69页 |
| 4.1 特征融合算法 | 第62-64页 |
| 4.1.1 基于决策层的特征融合 | 第62-64页 |
| 4.1.2 基于特征层的特征融合 | 第64页 |
| 4.2 特征提取 | 第64-65页 |
| 4.3 实验结果及分析 | 第65-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-72页 |
| 5.1 工作总结 | 第69-70页 |
| 5.2 工作重点和新颖之处 | 第70-71页 |
| 5.3 工作展望 | 第71-72页 |
| 参考文献 | 第72-79页 |
| 致谢 | 第79-80页 |
| 硕士期间发表论文 | 第80-81页 |
| 硕士期间参加的科研项目 | 第81页 |