人脸表情自动识别系统
| 第一章 绪论 | 第1-21页 |
| 1．1 引言 | 第7-8页 |
| 1．2 国内外研究现状 | 第8-19页 |
| 1．2．1 人脸表情识别系统 | 第9-16页 |
| 1．2．2 该领域的研究进展 | 第16-17页 |
| 1．2．3 该领域存在的问题 | 第17-19页 |
| 1．3 本文研究的思路与主要内容 | 第19-21页 |
| 1．3．1 研究思路 | 第19页 |
| 1．3．2 研究内容 | 第19-21页 |
| 第二章 基于遗传算法的人脸检测 | 第21-40页 |
| 2．1 引言 | 第21页 |
| 2．2 基于小生境遗传算法的人脸检测 | 第21-27页 |
| 2．3 基于人脸对称性的量子遗传检测 | 第27-31页 |
| 2．4 AdaBoost特征的量子优化选择 | 第31-37页 |
| 2．5 尺度指导多分类器调度的人脸检测算法 | 第37-40页 |
| 第三章 人脸表情特征及其提取方法 | 第40-51页 |
| 3．1 人脸表情特征及其选取 | 第40-44页 |
| 3．1．1 人脸的共性特征与个性特征 | 第40-41页 |
| 3．1．2 人脸的暂态特征与永久特征 | 第41-42页 |
| 3．1．3 人脸的局部特征与整体特征 | 第42页 |
| 3．1．4 年龄对人脸特征的影响 | 第42-43页 |
| 3．1．5 人脸表情特征选取的原则 | 第43-44页 |
| 3．2 人脸表情特征的提取与归一化 | 第44-51页 |
| 3．2．1 纹理特征提取 | 第44-46页 |
| 3．2．2 特征点的选择 | 第46-47页 |
| 3．2．3 特征点运动特征提取 | 第47-49页 |
| 3．2．4 密集特征点光流方法提取人脸的整体运动 | 第49-51页 |
| 第四章 人脸表情识别算法 | 第51-66页 |
| 4．1 基于混沌调制的人脸表情识别算法 | 第51-57页 |
| 4．2 基于表情滤波器的人脸表情分解 | 第57-58页 |
| 4．3 基于HMM的人脸表情识别算法 | 第58-64页 |
| 4．4 人脸表情的精细划分与FACS的改进 | 第64-66页 |
| 第五章 人脸表情识别系统设计与实现 | 第66-76页 |
| 5．1 人脸表情自动识别系统设计 | 第66-71页 |
| 5．1．1 人脸表情自动识别系统流程 | 第66页 |
| 5．1．2 基于VFW的视频获取 | 第66-67页 |
| 5．1．3 基于局部特征自举的实时人脸检测 | 第67-69页 |
| 5．1．4 人脸表情特征提取算法设计 | 第69-70页 |
| 5．1．5 人脸表情分类器设计 | 第70-71页 |
| 5．2 系统软件设计与实现 | 第71-75页 |
| 5．2．1 系统设计 | 第71-73页 |
| 5．2．2 模块设计 | 第73页 |
| 5．2．3 调试与实验 | 第73-75页 |
| 5．3 应用举例 | 第75-76页 |
| 第六章 总结与展望 | 第76-79页 |
| 6．1 全文工作总结 | 第76-77页 |
| 6．2 本课题的研究方向预测与展望 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-87页 |
| 在读研究生期间发表论文情况 | 第87页 |
| 攻读学位期间参加的科研项目 | 第87页 |
