基于DSP的人脸表情识别技术
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-18页 |
| ·人脸面部表情识别的研究背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·系统平台介绍 | 第11-12页 |
| ·硬件平台介绍 | 第11-12页 |
| ·软件平台介绍 | 第12页 |
| ·人脸表情识别系统 | 第12-18页 |
| ·人脸检测与定位 | 第12-13页 |
| ·图像预处理 | 第13页 |
| ·特征提取简介 | 第13-14页 |
| ·人脸表情分类 | 第14-16页 |
| ·本文的研究内容 | 第16-18页 |
| 第二章 DSP平台构建 | 第18-22页 |
| ·DSP平台的总体框架 | 第18页 |
| ·DSP硬件平台的构建 | 第18-20页 |
| ·DSP BF533处理器 | 第18-19页 |
| ·DSP硬件平台架构 | 第19-20页 |
| ·DSP软件平台的构建 | 第20-21页 |
| ·启动阶段 | 第20-21页 |
| ·操作系统 | 第21页 |
| ·开发语言及编译工具 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第三章 表情图像的预处理 | 第22-32页 |
| ·彩色图像转化成灰度图像 | 第22页 |
| ·人脸检测及眼睛定位 | 第22-27页 |
| ·矩形特征及积分图像 | 第23-25页 |
| ·AdaBoost学习算法 | 第25-27页 |
| ·几何预处理 | 第27-30页 |
| ·人脸图像旋转校正 | 第27-28页 |
| ·人脸图像切割 | 第28页 |
| ·人脸图像缩放 | 第28-29页 |
| ·灰度级插值 | 第29-30页 |
| ·表情图像的灰度均衡预处理 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 表情图像的特征提取 | 第32-39页 |
| ·主要成分分析(PCA) | 第32-34页 |
| ·线性判别式分析(LDA) | 第34-37页 |
| ·PCA+LDA的人脸表情特征提取 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 支持向量机 | 第39-48页 |
| ·统计学习理论(SLT) | 第39-40页 |
| ·支持向量分类(SVC)算法 | 第40-45页 |
| ·线性可分情形 | 第40-41页 |
| ·非线性可分情形 | 第41-42页 |
| ·支持向量机(SVM)的核函数 | 第42-43页 |
| ·支持向量回归(SVR)方法 | 第43-45页 |
| ·将SVM用于多类分类 | 第45-47页 |
| ·LIBSVM | 第47页 |
| ·LIBSVM简介 | 第47页 |
| ·LIBSVM在本文中的应用 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第六章 系统测试与分析 | 第48-54页 |
| ·系统实现 | 第48-52页 |
| ·图象的预处理的实现 | 第48-50页 |
| ·图象表情特征提取的实现 | 第50-51页 |
| ·SVM分类的实现 | 第51页 |
| ·DSP程序总体流程图 | 第51-52页 |
| ·系统分析 | 第52-53页 |
| ·系统效率分析 | 第52页 |
| ·系统识别率分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第七章 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 附件 | 第59页 |
