视觉语音情感识别PDF|Epub|txt|kindle电子书版本网盘下载

视觉语音情感识别PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1视觉语音情感识别的产生背景1

1.2视觉语音情感分析的研究内容2

1.3视觉语音情感识别的应用领域3

1.3.1表情识别的应用3

1.3.2语音情感识别的应用5

参考文献6

第2章 视觉语音情感识别技术概况7

2.1情感识别框架7

2.2情感描述模型7

2.2.1情感的定义7

2.2.2情感的分类8

2.3视觉语音信号预处理10

2.3.1人脸表情图像预处理10

2.3.2情感语音信号预处理12

2.4情感特征提取16

2.4.1视觉信息情感特征提取16

2.4.2语音情感特征提取22

2.5情感特征选择24

2.6常用的情感识别模型25

2.6.1基于相似性的情感识别模型25

2.6.2基于连接机制的情感识别模型26

2.6.3基于概率模型的情感识别模型32

2.6.4基于集成学习的情感识别模型43

2.7视觉语音情感识别的挑战43

2.8视觉语音情感识别的新动向44

参考文献45

第3章 基于视觉信息的情感特征提取方法48

3.1概述48

3.2基于小波分解和优选VLBP的表情特征提取方法49

3.2.1表情图像的小波分解49

3.2.2小波分解图像的情感特征提取50

3.2.3实验结果与分析51

3.3基于多频域LBP-TOP的人脸表情特征提取方法53

3.3.1 LBP-TOP算子53

3.3.2多频率图像分块LBP-TOP特征提取56

3.3.3实验结果与分析57

3.4基于VLBP与光流的混合情感特征提取58

3.4.1眼睛区域的小波分解分块VLBP特征提取58

3.4.2特征点自动标注的嘴部光流特征提取59

3.4.3基于混合特征的表情识别62

3.4.4实验结果与分析62

3.5基于Gabor变换的表情图像特征提取方法63

3.5.1小波变换与多分辨率分析63

3.5.2 Gabor变换66

3.5.3人脸表情图像的网格化68

3.5.4基于Gabor小波变换的表情弹性图的构造69

3.5.5实验结果与分析71

3.6基于积分图像的表情特征提取方法72

3.6.1积分图像的概念72

3.6.2积分图像表情特征提取73

3.6.3实验结果与分析76

3.7一种加权矩形提取表情特征的方法77

3.7.1矩形模板设计77

3.7.2基于加权矩形的表情特征提取78

3.7.3实验结果与分析80

3.8本章小结81

参考文献82

第4章 基于视觉信息的情感识别方法84

4.1概述84

4.2最大间隔最小体积球形支持向量机84

4.2.1最大间隔球形支持向量机84

4.2.2最大间隔最小体积球形支持向量机85

4.2.3模型性能分析89

4.2.4基于最大间隔最小体积球形支持向量机的表情识别91

4.3混合特征结合分类树的细微表情识别算法92

4.3.1混合特征提取92

4.3.2基于分类树的表情识别95

4.3.3实验结果与分析97

4.4基于模糊深隐马尔可夫模型的图像序列表情识别方法98

4.4.1模糊深隐马尔可夫模型99

4.4.2模糊深隐马尔可夫模型的特性101

4.4.3基于模糊深隐马尔可夫模型的图像序列表情识别106

4.4.4实验结果与分析107

4.5本章小结112

参考文献113

第5章 语音情感特征选择提取方法114

5.1概述114

5.2情感语音库的录制114

5.2.1语音情感数据库115

5.2.2音视频情感数据库115

5.2.3音视频情感的有效性分析115

5.3语音情感特征提取方法116

5.3.1传统声学语音情感特征分析与提取116

5.3.2基于导数的非个性化语音情感特征提取方法124

5.3.3基于多重分形理论的语音情感特征提取方法134

5.4语音情感特征选择方法142

5.4.1基于神经网络贡献分析的语音情感特征选择142

5.4.2基于遗传算法的语音情感特征选择和分类器参数优化方法143

5.4.3基于类集／类对的两级语音情感特征选择方法145

5.4.4基于扩展测地距离的语音情感特征有效性分析方法146

5.4.5实验结果与分析148

5.5基于流形学习的语音情感特征降维153

5.5.1 Isomap算法描述153

5.5.2 ELE算法描述154

5.5.3基于增量流形学习的情感特征降维方法155

5.5.4实验结果比较与分析156

5.5.5相关方法比较157

5.6本章小结159

参考文献159

第6章 语音情感识别方法163

6.1概述163

6.2基于选择性特征的 SVM决策树的语音情感识别方法163

6.2.1情感混淆度163

6.2.2基于SVM一对一算法的语音情感识别164

6.2.3基于SVM决策树和选择性特征的语音情感识别166

6.3基于改进有向无环图的分层语音情感识别方法173

6.3.1基于SVM的有向无环图173

6.3.2改进有向无环图的构造算法174

6.3.3基于测地距离的待识别样本鉴别度量算法175

6.3.4基于SVM的改进有向无环图的构造178

6.3.5语音情感识别实验179

6.3.6相关工作比较183

6.4本章小结184

参考文献184

第7章 视觉语音融合情感识别方法186

7.1基于混合特征和多HMM融合的图像序列表情识别186

7.1.1多HMM融合的图像序列表情识别方法186

7.1.2实验结果分析与比较188

7.2基于D-S证据理论的多粒度语段融合语音情感识别189

7.2.1 D-S证据理论简介189

7.2.2多粒度情感语句分段方法190

7.2.3多粒度语段融合情感识别算法描述192

7.2.4实验结果分析与比较193

7.2.5相关工作比较195

7.3基于对象模糊密度赋值的决策级层次式融合算法195

7.3.1模糊测度、模糊密度和模糊积分195

7.3.2类模糊密度与混淆矩阵196

7.3.3对象模糊密度197

7.3.4基于对象模糊密度赋值的决策层融合识别算法198

7.3.5基于模糊密度的人脸表情融合识别199

7.3.6实验结果与分析200

7.4具有噪声过滤功能的分类器协同训练半监督主动学习算法201

7.4.1具有噪声过滤功能的协同训练半监督主动学习算法201

7.4.2基于NF-CT-SSAL训练算法的半监督主动学习人脸表情识别205

7.4.3实验结果与分析206

7.5基于可分度和支持度的模糊密度赋值融合识别算法209

7.5.1分类器的初始模糊密度210

7.5.2分类器的自适应模糊密度赋值211

7.5.3算法描述213

7.5.4算法在人脸表情识别中的应用214

7.5.5实验结果与分析214

7.6本章小结218

参考文献218

第8章 情感分析的应用220

8.1概述220

8.2人脸表情动画中的逼真人脸重构220

8.2.1一般人脸模型220

8.2.2特定人脸模型重构221

8.2.3实验结果与分析231

8.3基于表情动作单元参数的逼真表情动画方法233

8.3.1 ERI介绍234

8.3.2图像的对准方法及分部位表情比率图库的建立235

8.3.3表情动画中细微纹理生成237

8.3.4实验结果与分析240

8.4情感分析在E-learning环境中应用242

8.4.1基于规则的本体推理242

8.4.2 E-learning环境中的本体规则推理情感激励245

8.4.3情形分析及情感激励实例246

8.4.4相关工作比较246

8.5本章小结247

参考文献247