| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 人脸表情识别的研究内容 | 第15-17页 |
| 1.2.1 基于系统的人脸表情识别 | 第15-16页 |
| 1.2.2 基于研究对象的人脸表情识别 | 第16-17页 |
| 1.3 常用的动态人脸表情特征提取方法 | 第17-18页 |
| 1.4 问题提出及研究意义 | 第18-20页 |
| 1.5 常用人脸表情库 | 第20-21页 |
| 1.6 本文的研究内容和章节安排 | 第21-23页 |
| 第二章 表情图像的预处理 | 第23-34页 |
| 2.1 引言 | 第23页 |
| 2.2 基于肤色分割和累积投影的人脸定位 | 第23-29页 |
| 2.2.1 基于YCbCr空间的肤色分割 | 第23-26页 |
| 2.2.2 累积投影 | 第26-29页 |
| 2.3 人脸表情图像的几何预处理 | 第29-31页 |
| 2.3.1 人脸校正 | 第29-30页 |
| 2.3.2 表情区域的剪切 | 第30-31页 |
| 2.4 人脸表情图像的灰度预处理 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 K阶情感强度模型 | 第34-45页 |
| 3.1 引言 | 第34-35页 |
| 3.2 准备工作 | 第35页 |
| 3.3 情感强度的特征表示 | 第35-41页 |
| 3.3.1 Haar-like矩形特征和积分图像法 | 第37-40页 |
| 3.3.2 主成分分析 | 第40-41页 |
| 3.4 聚类生成K阶情感强度模型 | 第41-44页 |
| 3.4.1 K-Means聚类 | 第42-43页 |
| 3.4.2 K阶情感强度模型的训练流程 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于K阶情感强度模型的动态特征提取 | 第45-51页 |
| 4.1 引言 | 第45页 |
| 4.2 K阶情感强度模型的输入和输出 | 第45-46页 |
| 4.3 编码 | 第46-48页 |
| 4.4 动态特征提取流程 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 基于SVM的动态表情识别 | 第51-62页 |
| 5.1 引言 | 第51页 |
| 5.2 机器学习的基本问题 | 第51-52页 |
| 5.3 统计学习理论 | 第52-53页 |
| 5.3.1 函数集的VC维 | 第52页 |
| 5.3.2 推广性的界 | 第52页 |
| 5.3.3 结构风险最小化 | 第52-53页 |
| 5.4 支持向量机 | 第53-57页 |
| 5.4.1 最优分类超平面和支持向量 | 第54-55页 |
| 5.4.2 核函数 | 第55-56页 |
| 5.4.3 多类支持向量机 | 第56-57页 |
| 5.5 实验结果与分析 | 第57-61页 |
| 5.6 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第69-70页 |