网络教学情境中学习者人脸检测及表情特征提取的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·课题背景 | 第8页 |
| ·国内外研究现状 | 第8-14页 |
| ·网络教学系统 | 第8-10页 |
| ·相关理论及其技术 | 第10-12页 |
| ·人脸检测与表情特征提取 | 第12-13页 |
| ·表情识别技术及其在网络教育中的应用 | 第13-14页 |
| ·论文的主要工作与组织结构 | 第14-16页 |
| ·本文研究内容 | 第14-15页 |
| ·论文组织结构 | 第15-16页 |
| 第二章 人脸检测与特征定位算法研究 | 第16-34页 |
| ·人脸检测算法 | 第16-26页 |
| ·ADABOOST算法 | 第16-18页 |
| ·肤色模型 | 第18-19页 |
| ·基于启发模型——模板匹配 | 第19-20页 |
| ·SNAKE算法 | 第20-22页 |
| ·基于GABOR小波的人脸检测 | 第22-23页 |
| ·分类器介绍 | 第23-26页 |
| ·人眼定位算法 | 第26-31页 |
| ·几何特征与相关系数验证 | 第27-28页 |
| ·Hough变换圆检测 | 第28-30页 |
| ·瞳孔滤波器 | 第30-31页 |
| ·嘴定位算法 | 第31-33页 |
| ·区域增强与多级阀值调整 | 第31-32页 |
| ·变形模板 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 网络教学情境中的学习者人脸检测 | 第34-48页 |
| ·基本思路 | 第34-35页 |
| ·网络教学情境分析 | 第34-35页 |
| ·算法思路 | 第35页 |
| ·序列图像的采集 | 第35-37页 |
| ·图像预处理 | 第37-38页 |
| ·光照补偿 | 第37页 |
| ·改进算法 | 第37-38页 |
| ·运动区域的提取 | 第38-41页 |
| ·光流法 | 第39-40页 |
| ·帧间差分法 | 第40-41页 |
| ·建立肤色模型 | 第41-44页 |
| ·选择色彩空间 | 第41页 |
| ·肤色模型 | 第41-42页 |
| ·膨胀与腐蚀 | 第42-43页 |
| ·去除非人脸区域 | 第43-44页 |
| ·人工神经网络验证候选人脸 | 第44-45页 |
| ·运动预测研究 | 第45页 |
| ·提取学习者的趋避度数据 | 第45-47页 |
| ·学习者的判别 | 第45-47页 |
| ·提取趋避度数据 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第四章 网络教学情境中学习者人脸表情特征的提取 | 第48-57页 |
| ·基本思想 | 第48页 |
| ·双眼的定位与眼帘间距提取 | 第48-52页 |
| ·定位双眼 | 第48-51页 |
| ·提取眼帘间距 | 第51页 |
| ·极端状态的讨论——睁眼与闭眼 | 第51-52页 |
| ·嘴角的定位与角度特征提取 | 第52-56页 |
| ·嘴部粗定位 | 第52-53页 |
| ·唇色提取 | 第53-54页 |
| ·嘴角定位 | 第54-55页 |
| ·角度计算 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 系统的设计与实现 | 第57-67页 |
| ·系统的整体框架和各功能模块 | 第57-60页 |
| ·系统框架 | 第57-58页 |
| ·人脸检测模块 | 第58页 |
| ·眼睛定位与特征提取模块 | 第58-59页 |
| ·嘴部定位与特征提取模块 | 第59-60页 |
| ·系统的软硬件平台 | 第60页 |
| ·系统的运行效果与讨论 | 第60-65页 |
| ·运行界面与效果 | 第60-64页 |
| ·相关讨论 | 第64-65页 |
| ·获取的实验数据 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结和展望 | 第67-70页 |
| ·工作总结 | 第67-68页 |
| ·进一步工作展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 发表的学术论文与参加的学术活动 | 第74-76页 |
| 致谢 | 第76页 |
