| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10页 |
| ·人脸表情识别技术的发展及研究现状 | 第10-11页 |
| ·人脸表情识别的难点 | 第11-12页 |
| ·人脸表情识别系统概述 | 第12-15页 |
| ·表情特征提取的方法 | 第12-13页 |
| ·特征降维方法 | 第13-14页 |
| ·表情分类的方法 | 第14-15页 |
| ·人脸表情数据库介绍 | 第15-16页 |
| ·论文的研究内容及章节安排 | 第16-18页 |
| 第二章 人脸检测及预处理 | 第18-37页 |
| ·基于肤色的检测方法 | 第19-21页 |
| ·模板匹配人脸检测方法 | 第21页 |
| ·基于统计模型方法 | 第21-22页 |
| ·基于类 Haar 特征与 AdaBoost 的人脸检测方法 | 第22-30页 |
| ·类 Haar 特征 | 第23-24页 |
| ·积分图及其快速算法 | 第24-25页 |
| ·AdaBoost 算法 | 第25-26页 |
| ·弱分类器定义 | 第26-27页 |
| ·级联分类器 | 第27-30页 |
| ·人脸与人眼检测 | 第30-31页 |
| ·检测结果 | 第31-32页 |
| ·表情图像预处理 | 第32-36页 |
| ·彩色图像灰度化 | 第33页 |
| ·表情图像几何归一化 | 第33-34页 |
| ·直方图均衡化 | 第34-35页 |
| ·像素值规范化 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于二维 Gabor 变换与支持向量机的人脸表情识别 | 第37-50页 |
| ·二维Gabor 变换及小波滤波器组构建 | 第37-39页 |
| ·结合PCA 和AdaBoost 的表情特征选择 | 第39-43页 |
| ·PCA 降维原理 | 第39-41页 |
| ·2DPCA 降维原理 | 第41-42页 |
| ·双向二维主元分析法（2D-2DPCA） | 第42页 |
| ·AdaBoost 特征选择 | 第42-43页 |
| ·基于SVM 的表情分类 | 第43-50页 |
| ·支持向量机原理 | 第44-47页 |
| ·基于one-against-one 方法构建多类分类器 | 第47-48页 |
| ·参数选择 | 第48-50页 |
| 第四章 人脸表情识别平台构建 | 第50-52页 |
| ·表情识别平台架构设计 | 第50-51页 |
| ·表情识别平台实现 | 第51-52页 |
| 第五章 实验结果与分析 | 第52-56页 |
| ·Gabor 变换频率和方向选取的影响与分析 | 第52-53页 |
| ·传统降维方法与本文算法的比较 | 第53-54页 |
| ·不同表情识别率差异分析 | 第54页 |
| ·非特定人表情识别实验 | 第54-55页 |
| ·实验结果总体分析 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·论文总结 | 第56-57页 |
| ·工作展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第63-64页 |
| 致谢 | 第64页 |
