基于时空域深度学习的人脸微表情识别

目录

声明

第一章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 人工微表情识别训练工具研究

1.2.2 自动微表情识别研究

1.3 本文的研究内容

第二章 相关理论基础

2.1 微表情数据集

2.1.1 早期微表情数据集

2.1.2 自发微表情数据集

2.1.3 微表情数据集的比较

2.2 微表情特征提取的一般方法

2.2.1 基于LBP-TOP 的特征提取方法

2.2.2 基于光流法的特征提取

2.3 相关深度学习模型

2.3.1 卷积神经网络

2.3.2 循环神经网络

2.3.3 长短期记忆网络

2.4 本章小结

第三章 基于静态CNN 特征和动态时空特征的微表情识别

3.1 算法框架概述

3.2 数据预处理

3.2.1 人脸检测

3.2.2 人脸配准

3.2.3 时间插值模型

3.3 微表情的特征提取与分类

3.3.1 微表情序列峰值帧金字塔CNN特征的构建

3.3.2 静态金字塔CNN特征和动态时空特征的联合表示

3.3.3 微表情特征分类及交叉验证

3.4 实验及分析

3.4.1 实验平台

3.4.2 数据预处理

3.4.3 微表情识别实验结果及分析

3.5 本章小结

第四章 基于CNN-LSTM 网络的微表情识别

4.1 算法框架概述

4.2 CNN-LSTM网络的设计与训练

4.2.1 CNN-LSTM 网络的结构设计

4.2.2 CNN-LSTM 网络的训练过程

4.3 实验及分析

4.3.1 数据增强

4.3.2 微表情识别实验结果及分析

4.3.3 与现有方法的比较

4.4 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