| 摘要 | 第1-8页 |
| Abstract | 第8-13页 |
| 第一章 绪论 | 第13-22页 |
| ·人脸表情识别简介 | 第13-14页 |
| ·生物特征识别技术 | 第13页 |
| ·人脸表情识别 | 第13-14页 |
| ·研究背景及其意义 | 第14-16页 |
| ·人脸表情识别的难点 | 第16页 |
| ·人脸表情识别的常用方法 | 第16-20页 |
| ·特征提取简介 | 第17-18页 |
| ·表情分类方法简介 | 第18-20页 |
| ·人脸表情数据库 | 第20页 |
| ·本文的主要工作及安排 | 第20-22页 |
| 第二章 人脸检测的实现 | 第22-38页 |
| ·人脸检测概述 | 第22-23页 |
| ·基于肤色特征的方法 | 第23-25页 |
| ·颜色空间 | 第24-25页 |
| ·肤色模型 | 第25页 |
| ·基于特征脸的方法 | 第25-27页 |
| ·基于模板匹配的方法 | 第27-28页 |
| ·预定义模板匹配的方法 | 第27页 |
| ·改进的模板匹配的方法 | 第27-28页 |
| ·基于神经网络的方法 | 第28-29页 |
| ·基于类Haar 特征与AdaBoost 的人脸检测方法 | 第29-35页 |
| ·类Haar 特征 | 第30-31页 |
| ·积分图及其快速算法 | 第31-32页 |
| ·AdaBoost 算法 | 第32-33页 |
| ·弱分类器定义 | 第33-34页 |
| ·级联分类器 | 第34-35页 |
| ·人脸检测实验 | 第35-36页 |
| ·Intel OpenCV 简介 | 第35页 |
| ·实验结果 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第三章 特征提取与机器学习 | 第38-54页 |
| ·图像预处理 | 第38-41页 |
| ·直方图均衡 | 第38-40页 |
| ·几何归一化 | 第40-41页 |
| ·Gabor 特征 | 第41-42页 |
| ·Gabor 滤波器 | 第41-42页 |
| ·Gabor 特征提取 | 第42页 |
| ·PHOG 特征 | 第42-44页 |
| ·局部形状 | 第42-44页 |
| ·空间布局 | 第44页 |
| ·BIM 特征 | 第44-48页 |
| ·BIM 特征简介 | 第44-46页 |
| ·特征的提取过程 | 第46-48页 |
| ·机器学习算法与分类器 | 第48-53页 |
| ·AdaBoost.MH | 第48-50页 |
| ·支持向量机 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 人脸表情识别实验 | 第54-63页 |
| ·实验规划 | 第54页 |
| ·实验数据 | 第54-55页 |
| ·笑脸识别实验 | 第55-60页 |
| ·Gabor 特征与PHOG 特征的比较实验 | 第55-57页 |
| ·结合Gabor 特征与PHOG 特征 | 第57-59页 |
| ·BIM 特征实验 | 第59-60页 |
| ·多类表情识别 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 总结和未来工作展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72页 |