| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究背景 | 第11页 |
| ·情感在人体的具体表现 | 第11-14页 |
| ·面部表情 | 第12-13页 |
| ·姿态表情 | 第13页 |
| ·语调表情 | 第13页 |
| ·植物神经情感生理表象表情 | 第13-14页 |
| ·多特征表情融合分析 | 第14页 |
| ·研究内容和创新点 | 第14-17页 |
| ·本文结构 | 第17-19页 |
| 第二章 面部动作编码系统（FACS） | 第19-39页 |
| ·面部各部位术语 | 第20-22页 |
| ·上半脸主要运动单元 | 第22-27页 |
| ·Action Unit 1——提升内眉梢 | 第22-23页 |
| ·Action Unit 2——提升外眉梢 | 第23-24页 |
| ·Action Unit 4——压低眉毛 | 第24页 |
| ·Action Unit 5——提升上眼睑 | 第24-25页 |
| ·Action Unit 7——眼睑拉紧 | 第25-26页 |
| ·Action Unit 6——提高脸颊、眼睑收缩 | 第26-27页 |
| ·下半脸主要运动单元——上下运动 | 第27-32页 |
| ·Action Unit 9——皱起鼻梁 | 第28页 |
| ·Action Unit 10——提升上嘴唇 | 第28-29页 |
| ·Action Unit 17——提升下颏突 | 第29-30页 |
| ·Action Unit 15——降低嘴角 | 第30页 |
| ·Action Unit 25，26，27——嘴唇分开，下颏下移，嘴唇绷紧张开 | 第30-31页 |
| ·Action Unit 16+25——降低下唇 | 第31-32页 |
| ·下半脸斜向 AU 运动：Action Unit 12——拉升嘴角 | 第32-33页 |
| ·由口轮匝肌控制的 AU 运动 | 第33-36页 |
| ·Action Unit 22——嘴唇漏斗状 | 第34-35页 |
| ·Action Unit 23——嘴唇绷紧 | 第35页 |
| ·Action Unit 24——挤压嘴唇 | 第35-36页 |
| ·其他 AU | 第36-37页 |
| ·Action Unit 20——嘴角扩展 | 第36-37页 |
| ·Action Unit 51、52、53、54、61、62、63、64——头部以及眼径的运动 | 第37页 |
| ·AU 组合与基本表情的对应关系 | 第37-38页 |
| ·本章总结 | 第38-39页 |
| 第三章 基于光流算法的快速特征点定位 | 第39-65页 |
| ·AdaBoost 与 GentleBoost 算法 | 第40-42页 |
| ·AdaBoost | 第40-41页 |
| ·GentleBoost | 第41-42页 |
| ·复杂背景中的人脸检测 | 第42-47页 |
| ·特征提取 | 第42-44页 |
| ·识别器训练 | 第44-45页 |
| ·级联分类器 | 第45-46页 |
| ·V-J 识别器性能及提高 | 第46-47页 |
| ·图象的 Gabor 特征提取 | 第47-50页 |
| ·特征提取 | 第48-50页 |
| ·光流（LK）算法与最佳特征点的选择 | 第50-51页 |
| ·特征点识别器的训练 | 第51-59页 |
| ·ROI 的选择 | 第51-54页 |
| ·训练样本的选择 | 第54-57页 |
| ·识别器训练与测试 | 第57-59页 |
| ·使用 Canny 算子的上眼皮轮廓检测 | 第59-63页 |
| ·图像边缘与 Canny 算子 | 第60-62页 |
| ·上眼皮轮廓检测及眼径的计算 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 第四章 基于运动模板的面部 AU 识别 | 第65-79页 |
| ·运动模板 | 第67-72页 |
| ·轮廓 | 第68页 |
| ·MEI（Motion-energy images） | 第68-69页 |
| ·MHI（Motion-history images） | 第69-71页 |
| ·局部运动区域轮廓 | 第71页 |
| ·运动方向 | 第71-72页 |
| ·训练样本提取及识别器的训练 | 第72-76页 |
| ·识别器性能测试 | 第76-77页 |
| ·本章小结 | 第77-79页 |
| 第五章 基于 AU 的面部表情分析 | 第79-96页 |
| ·头部运动姿态识别 | 第79-85页 |
| ·相关工作 | 第80-81页 |
| ·头部姿态识别器 | 第81-83页 |
| ·识别器性能测试 | 第83-85页 |
| ·基于 BP 神经网络的面部表情分析 | 第85-91页 |
| ·基于 BP 神经网络的表情识别器 | 第85-88页 |
| ·识别器性能测试 | 第88-91页 |
| ·基于模糊数学（Fuzzy）的表情程度衡量 | 第91-95页 |
| ·模糊聚类 | 第91-92页 |
| ·样本的选取及聚类 | 第92-93页 |
| ·自适应神经模糊推理系统 | 第93-95页 |
| ·本章小结 | 第95-96页 |
| 第六章 总结与展望 | 第96-98页 |
| ·本文工作总结 | 第96-97页 |
| ·未来研究展望 | 第97-98页 |
| 参考文献 | 第98-107页 |
| 发表论文和科研情况说明 | 第107-108页 |
| 附录一 FACS | 第108-118页 |
| 附录二 AdaBoost | 第118-121页 |
| 附录三 Gabor 特征 | 第121-124页 |
| 附录四 LK 算法 | 第124-127页 |
| 附录五 神经网络 | 第127-134页 |
| 致谢 | 第134页 |
