| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的的主要工作和组织结构 | 第11-13页 |
| 2 关键技术分析 | 第13-20页 |
| 2.1 基于 Haar-like 特征的 Adaboost 人脸检测 | 第13-14页 |
| 2.2 图像预处理 | 第14-15页 |
| 2.3 SIFT 特征 | 第15-16页 |
| 2.4 k-means 算法 | 第16-17页 |
| 2.5 词袋模型 | 第17-18页 |
| 2.6 支持向量机 | 第18-19页 |
| 2.7 本章小结 | 第19-20页 |
| 3 基于词袋模型的人脸表情识别方法 | 第20-32页 |
| 3.1 人脸表情识别问题描述 | 第20-21页 |
| 3.2 基于词袋模型的识别方法原理 | 第21-23页 |
| 3.3 基于词袋模型的识别方法框架 | 第23-25页 |
| 3.4 基于词袋模型的识别方法分析 | 第25-26页 |
| 3.5 加入空间金字塔匹配的改进识别方法 | 第26-28页 |
| 3.6 空间金字塔匹配改进分析 | 第28-29页 |
| 3.7 方法复杂度分析 | 第29-31页 |
| 3.8 本章小结 | 第31-32页 |
| 4 实验与结果分析 | 第32-51页 |
| 4.1 实验数据 | 第32-33页 |
| 4.2 人脸检测与图像预处理 | 第33-35页 |
| 4.3 特征提取 | 第35-36页 |
| 4.4 词袋模型的应用 | 第36-42页 |
| 4.5 空间金字塔匹配的应用 | 第42-44页 |
| 4.6 组件特征合并 | 第44-45页 |
| 4.7 支持向量机分类 | 第45-46页 |
| 4.8 实验结果与分析 | 第46-50页 |
| 4.9 本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-53页 |
| 5.1 全文总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |