基于压缩感知算法的人脸表情识别
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 1 绪论 | 第9-15页 |
| ·人脸表情识别研究背景 | 第9-11页 |
| ·人脸表情识别的研究意义及应用前景 | 第11-12页 |
| ·基于压缩感知的人脸表情识别方法的提出 | 第12-13页 |
| ·本文结构安排 | 第13-15页 |
| 2 人脸检测 | 第15-30页 |
| ·人脸检测方法 | 第15-16页 |
| ·人脸数据库 | 第16-21页 |
| ·FERET人脸数据库 | 第17页 |
| ·JAFFE人脸数据库 | 第17-18页 |
| ·AR人脸数据库 | 第18-19页 |
| ·Cohn-Kanade人脸数据库 | 第19页 |
| ·CAS-PEAL人脸数据库 | 第19-21页 |
| ·基于AdaBoost算法的人脸检测 | 第21-26页 |
| ·提取Haar-Like特征 | 第21-23页 |
| ·利用Haar-Like特征值训练简单分类器 | 第23-25页 |
| ·构建级联分类器 | 第25-26页 |
| ·图像的预处理与检测结果 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于压缩感知的人脸特征提取 | 第30-41页 |
| ·压缩感知理论介绍 | 第30-35页 |
| ·压缩感知理论框架 | 第30-31页 |
| ·稀疏表示 | 第31-32页 |
| ·测量矩阵 | 第32-34页 |
| ·信号重建 | 第34-35页 |
| ·基于压缩感知的人脸特征提取 | 第35-37页 |
| ·随机映射 | 第35-36页 |
| ·随机测量理矩阵的选择 | 第36-37页 |
| ·特征提取 | 第37页 |
| ·特征提取过程与结果 | 第37-40页 |
| ·本章小节 | 第40-41页 |
| 4 人脸表情分类与识别 | 第41-56页 |
| ·人脸表情分类 | 第41-45页 |
| ·最近邻规则 | 第41-42页 |
| ·朴素贝叶斯分类器 | 第42-43页 |
| ·决策树 | 第43-45页 |
| ·支持向量法理论 | 第45-51页 |
| ·线性分类器 | 第45页 |
| ·线性情况下的最优分类面 | 第45-48页 |
| ·非线性情况下的最优分类面 | 第48页 |
| ·核函数 | 第48-51页 |
| ·利用SVM进行特征分类 | 第51-55页 |
| ·特征值的选取 | 第51-53页 |
| ·特征值归一化 | 第53页 |
| ·选取核函数 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 5 实验方法与实验结果 | 第56-70页 |
| ·LibSVM的使用 | 第56-59页 |
| ·准备实验数据 | 第56页 |
| ·实验数据归一化 | 第56-57页 |
| ·利用实验数据进行训练 | 第57-58页 |
| ·对样本数据进行预测 | 第58页 |
| ·参数寻优 | 第58-59页 |
| ·利用决策树思想进行表情分类 | 第59-63页 |
| ·分类原理 | 第59-60页 |
| ·分类结果 | 第60-63页 |
| ·利用投票法思想进行表情分类 | 第63-67页 |
| ·分类原理 | 第63-64页 |
| ·分类结果 | 第64-67页 |
| ·实时表情识别 | 第67-69页 |
| ·本章小节 | 第69-70页 |
| 6 总结与展望 | 第70-72页 |
| ·本文主要工作 | 第70页 |
| ·研究方向展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
