声明
第一章绪 论
1.1 课题背景与意义
1.1.1 课题研究背景
1.1.2 课题研究意义
1.2 课题研究现状
1.2.1 人脸检测研究
1.2.2 人脸状态识别研究
1.3 论文研究内容与技术路线
1.3.1 论文研究主要内容
1.3.2 技术路线
1.4 课题难点与创新点
1.4.1 课题难点
1.4.2 课题创新点
第二章图像预处理与深度学习方法选择
2.1 图像预处理方法选择
2.1.1 图像模糊方法选择
2.1.2 直方图均衡化方法选择
2.1.3 图像插值与图像降采样方法选择
2.2 深度学习方法选择
2.2.1 BP网络研究与选择
2.2.2 卷积神经网络研究与选择
2.2.3 循环神经网络研究与选择
2.3 本章小结
第三章人脸检测Lite-SSD算法构建
3.1 图像识别算法比较
3.1.1 Faster R-CNN算法
3.1.2 YOLO算法
3.1.3 SSD算法
3.1.4 Faster R-CNN、SSD、YOLO算法的优劣势比对
3.2 Lite-SSD 人脸检测算法构建
3.2.1 特征提取模块
3.2.2 轻量级多尺度特征提取模块
3.2.3 特征图像素逆映射 DIM模块
3.2.4 损失函数与边框回归
3.2.5 非极大值抑制模块
3.2.6 人脸检测模块整体流程
3.3 人脸检测算法交叉评估
3.3.1 训练和测试模型
3.3.2 实际场景下交叉评估模型
3.4 本章小结
第四章时间序列人脸状态识别模型构建与训练
4.1 状态识别算法
4.1.1 基于脸部器官特征的状态识别
4.1.2 结合 STN、CNN的 ROI二级投票识别算法
4.1.3 结合加权局部旋度模式的人脸表情识别
4.2 Liteflownet-R 算法构建
4.2.1 级联特征提取模块
4.2.2 运动单元提取模块
4.2.3 L-R模块
4.2.4 Liteflownet-R分类器模块
4.3 状态识别模型训练与测试
4.3.1 面部肌肉运动特征值提取模型训练与测试
4.3.2 L-R旋转不变性模型训练与测试
4.3.3 Liteflownet-R分类器训练与测试
4.4 实际场景下评估模型
4.4.1 强光照场景下脸部均匀光照扰动
4.4.2 强光照场景下脸部非均匀光照扰动
4.4.3 弱光照场景下脸部均匀光照扰动
4.4.4弱光照场景下脸部非均匀光照
4.4.5 评估结果综述
4.5 本章小结
第五章多目标时间序列人脸状态识别实证研究
5.1 原型系统构建
5.1.1 原型系统软硬件支持介绍
5.1.2 状态识别系统需求分析
5.2 原型系统测试
5.2.1 视频图像读取模块测试
5.2.2 图像预处理模块测试
5.2.3 人脸检测模块测试
5.2.4 状态识别模块测试
5.2.5 调试与运行模块测试
5. 3 实例研究
5.3.1 办公现场近距离扰动样本分析
5.3.2 办公现场中距离扰动样本分析
5.3.3 办公现场远距离扰动样本分析
5.3.4 生产现场近距离扰动样本分析
5.3.5 生产现场中距离扰动样本分析
5.3.6 生产现场远距离扰动样本分析
5.3.7 扰动综合分析
5.3.8 实证数据分析
5.4 本章小结
第六章总结与展望
6.1 总结
6.2 展望
参考文献
致谢
作者简介
1 作者简历
2 攻读博士/硕士学位期间发表的学术论文
3 参与的科研项目及获奖情况
4 发明专利
学位论文数据集
附 录
附表1
附表2
附表3
附表4
浙江工业大学;
