基于深度学习的面部微表情识别方法研究

目录

声明

致谢

1 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.3 本文研究内容

1.4 本文组织结构

2 基于深度学习的面部微表情识别相关技术

2.1 引言

2.2 数据预处理

2.3 特征工程

2.3.1 基于几何的特征工程

2.3.2 基于外观的特征工程

2.3.3 基于深度学习的特征工程

2.4 分类方法

2.5 数据集

2.6 评价标准

2.7 本章小结

3 基于改进光流法和卷积神经网络的面部微表情识

3.1 引言

3.2 数据预处理

3.2.1 人脸检测

3.2.2 面部细微运动特征放大

3.2.3 提取起始帧和顶点帧

3.2.4 数据扩增

3.3 改进的光流法

3.4 卷积神经网络

3.5.1 实验数据集和评估方式

3.5.2 实验平台和过程

3.5.3 实验结果与分析

3.6 本章小结

4 基于迁移学习的面部微表情识别

4.1 引言

4.2.1 迁移学习定义

4.2.2 迁移学习微调方式与应用场景

4.3.1 Inception 网络

4.3.2 残差神经网络

4.3.3 Inception v4 网络

4.4.1 实验数据集

4.4.2 实验平台和过程

4.4.3 实验结果与分析

4.5 本章小结

5 面部微表情识别原型系统设计与实现

5.1 系统框架

5.2.1 数据预处理模块

5.2.2 基于改进光流法和卷积神经网络的微表情识别模块

5.2.3 基于迁移学习的微表情识别模块

5.2.4 可视化模块

5.3 原型系统实现

5.3.1 数据预处理模块实现

5.3.2 基于改进光流法和卷积神经网络的微表情识别模块实现

5.3.3 基于迁移学习的微表情识别模块实现

5.3.4 可视化模块实现

5.4 本章小结

6 总结与展望

6.1 总结

6.2 未来研究工作

参考文献

作者简历

学位论文原创性声明

学位论文数据集