基于视频分析的面瘫等级自动评估方法研究

目录

声明

第一章 绪论

1.1 研究背景和研究意义

1.2 国内外相关领域研究现状

1.3 论文主要创新与组织框架

第二章 相关知识准备以及现有面瘫等级评估方法概述

2.1 人脸建模中相关知识准备

2.1.1 主动外观模型AAM

2.1.2 Garbor小波特征提取

2.2 循环神经网络RNN和长短时记忆网络LSTM

2.2.1 循环神经网络RNN

2.2.2 长短时记忆网络LSTM

2.3 CNN网络与C3D网络

2.3.1 卷积神经网络CNN

2.3.2 3D卷积神经网络和C3D模块

2.4 现有面瘫等级评估方法概述

2.4.1 基于关键点检测的面瘫等级评估方法

2.4.2 基于区域分块的面瘫等级评估方法

2.4.3基于稀疏光流场的面瘫等级评估方法

2.4.4 基于深度学习的面瘫等级评估方法

第三章 基于区域特征融合的面瘫等级评估方法

3.1 引言

3.2 目标检测以及Faster-RCNN

3.3 三通道的区域特征融合面瘫评估网络

3.3.1 基于Faster-RCNN的局部关注区域的选取与分割

3.3.2 网络的主要框架

3.3.3 自适应区域融合机制

3.4 视频采集标准与数据预处理

3.4.1 视频的采集标准

3.4.2 数据的预处理

3.5 实验结果与分析评价

3.6 本章小结

第四章 基于局部运动关注的面瘫等级自动评估方法

4.1 引言

4.2 光流和光流特征图像的提取

4.2.1 光流方程的表述

4.2.2 光流特征提取迭代算法

4.2.3 光流特征图像

4.3 正则化和Dropout机制

4.4 基于局部运动关注的三通道双流3D CNN面瘫评估网络

4.4.1 网络主体框架

4.4.2 C3D网络模块单元的组成

4.5 实验结果与分析评价

4.6 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

攻读硕士学位期间取得的科研成果

致谢