声明
致谢
摘要
1 引言
1.1 微表情识别的意义
1.2 国内外研究现状
1.2.1 微表情识别的心理学研究
1.2.2 微表情识别的应用研究
1.2.3 微表情自动识别的研究
1.3 微表情识别的主要问题
1.4 论文研究内容及结构安排
2 微表情自动识别技术
2.1 微表情自动识别的基本步骤
2.2 典型的微表情特征提取方法
2.3 典型的微表情分类识别方法
2.4 微表情数据库
2.4.1 AVEC微表情数据库
2.4.2 SMIC微表情数据库
2.4.3 CASME微表情数据库
2.4.4 本文所采用数据集
2.5 本章小结
3 基于卷积神经网络的微表情特征提取
3.1 传统微表情特征提取算法
3.1.1 基于梯度的特征提取算法
3.1.2 基于局部纹理的特征提取算法
3.2 基于卷积神经网络的特征提取算法
3.2.1 CNN的网络结构
3.2.2 CNN的训练过程
3.3 特征可视化结果
3.3.1 传统特征可视化结果
3.3.2 CNN卷积层可视化结果
3.4 本章小结
4 基于深度学习的微表情情感因素预测与分类
4.1 多层感知机
4.1.1 MLP的网络结构
4.1.2 MLP算法实现
4.2 基于深度学习的微表情情感因素预测实现过程
4.2.1 基于深度学习的微表情特征提取以及情感预测
4.2.2 新算法的实现过程
4.3 中值滤波
4.4 实验结果分析
4.4.1 微表情识别效果对比分析
4.4.2 微表情属性变化曲线对比分析
4.5 本章小结
5.1 工作总结
5.2 工作展望
参考文献
作者简历及攻读硕士/博士学位期间取得的研究成果
学位论文数据集