| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 情感模型研究现状 | 第10-11页 |
| 1.2.2 人脸检测研究现状 | 第11-12页 |
| 1.2.3 表情识别研究现状 | 第12-13页 |
| 1.3 本课题主要研究内容 | 第13-14页 |
| 第二章 基于模糊理论的三维情感改进模型 | 第14-25页 |
| 2.1 引言 | 第14页 |
| 2.2 基本情感模型介绍 | 第14-17页 |
| 2.2.1 Ekman六类情感 | 第14-15页 |
| 2.2.2 三维状态空间情感模型 | 第15-17页 |
| 2.3 模糊理论 | 第17-20页 |
| 2.4 改进的三维情感模型 | 第20-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 基于图像旋转的人脸检测方法 | 第25-44页 |
| 3.1 引言 | 第25页 |
| 3.2 基于Adaboost算法的人脸检测 | 第25-35页 |
| 3.2.1 Haar-like矩形特征与积分图 | 第25-29页 |
| 3.2.2 Adaboost算法 | 第29-30页 |
| 3.2.3 级联分类器 | 第30-32页 |
| 3.2.4 基于Adaboost算法的人脸检测的实现 | 第32-35页 |
| 3.3 基于图像旋转的人脸检测方法的实现 | 第35-39页 |
| 3.4 仿真实验及结果分析 | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于优化算法的表情识别 | 第44-62页 |
| 4.1 引言 | 第44页 |
| 4.2 基于支持向量机的表情识别 | 第44-49页 |
| 4.2.1 支持向量机 | 第44-47页 |
| 4.2.2 主成分分析法 | 第47-48页 |
| 4.2.3 基于PCA和SVM的表情识别 | 第48-49页 |
| 4.2.4 SVM参数对SVM性能的影响 | 第49页 |
| 4.3 细菌觅食算法基本原理 | 第49-51页 |
| 4.3.1 趋向性操作 | 第50页 |
| 4.3.2 复制操作 | 第50页 |
| 4.3.3 迁移操作 | 第50-51页 |
| 4.4 基于细菌觅食算法和支持向量机的表情识别 | 第51-54页 |
| 4.5 基于情感模型的情感信息的获取 | 第54-55页 |
| 4.6 仿真实验及结果分析 | 第55-61页 |
| 4.7 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间发表的学术论文 | 第68-70页 |
| 致谢 | 第70页 |