| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 问题的提出与研究意义 | 第10-11页 |
| 1.1.1 微表情研究问题的提出 | 第10页 |
| 1.1.2 微表情的研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 早期的微表情识别研究 | 第11-12页 |
| 1.2.2 微表情识别的应用研究 | 第12页 |
| 1.2.3 微表情表达的研究 | 第12页 |
| 1.2.4 近期微表情识别研究 | 第12-13页 |
| 1.2.5 微表情数据库 | 第13-16页 |
| 1.2.6 存在的问题 | 第16页 |
| 1.3 本文的主要内容和结构安排 | 第16-20页 |
| 1.3.1 本文的研究目标 | 第16-17页 |
| 1.3.2 本文的研究内容 | 第17-18页 |
| 1.3.3 本文章节安排 | 第18-20页 |
| 第2章 微表情序列图像预处理 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 灰度归一化 | 第20-22页 |
| 2.3 尺寸归一化 | 第22-23页 |
| 2.4 序列长度归一化 | 第23-28页 |
| 2.4.1 插值法原理 | 第23-24页 |
| 2.4.2 插值法建模 | 第24-26页 |
| 2.4.3 插值法实现 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 基于 LBP-TOP 的微表情特征提取 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 微表情特征提取相关算法简介 | 第30-31页 |
| 3.3 基于特征点跟踪的微表情图像处理 | 第31-36页 |
| 3.3.1 特征点跟踪相关原理 | 第31-34页 |
| 3.3.2 使用特征点跟踪处理微表情图像 | 第34-36页 |
| 3.4 LBP-TOP 基本原理 | 第36-37页 |
| 3.4.1 LBP 算子 | 第36-37页 |
| 3.4.2 LBP-TOP 算子 | 第37页 |
| 3.5 基于 LBP-TOP 方法的微表情特征提取 | 第37-43页 |
| 3.5.1 使用 LBP 提取静态表情图片纹理特征 | 第37-38页 |
| 3.5.2 使用 LBP-TOP 提取动态表情序列纹理特征 | 第38-40页 |
| 3.5.3 本课题实验结果 | 第40-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 基于 SVM 的人脸微表情识别 | 第44-54页 |
| 4.1 引言 | 第44页 |
| 4.2 微表情识别相关算法简介 | 第44-45页 |
| 4.3 SVM 基本原理 | 第45-48页 |
| 4.3.1 统计学习原理 | 第45页 |
| 4.3.2 线性可分 SVM | 第45-46页 |
| 4.3.3 线性不可分 SVM | 第46-47页 |
| 4.3.4 SVM 的核函数 | 第47-48页 |
| 4.4 基于 SVM 的人脸微表情识别 | 第48-51页 |
| 4.5 本章小结 | 第51-54页 |
| 第5章 实验结果分析 | 第54-68页 |
| 5.1 引言 | 第54页 |
| 5.2 实验条件 | 第54页 |
| 5.3 实验 LBP-TOP+SVM | 第54-57页 |
| 5.4 实验 LBP-TOP+SVM+TIM | 第57-60页 |
| 5.5 实验 LBP-TOP+SVM+TIM+特征放大 | 第60-63页 |
| 5.6 对结果的分析 | 第63-65页 |
| 5.7 本章小结 | 第65-68页 |
| 第6章 全文总结 | 第68-70页 |
| 6.1 论文主要完成工作 | 第68-69页 |
| 6.2 研究工作的创新点 | 第69页 |
| 6.3 进一步需要研究的问题 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 作者简介及研究成果 | 第74-76页 |
| 致谢 | 第76页 |
