基于关键部位定位的人脸表情识别的研究与应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第一章 绪论 | 第14-23页 |
| ·E-learning | 第14-16页 |
| ·M-learning | 第16-17页 |
| ·移动学习下人脸表情识别 | 第17-19页 |
| ·表情识别研究的背景 | 第19-21页 |
| ·研究的目的与意义 | 第21页 |
| ·论文的组织结构 | 第21-23页 |
| 第二章 表情识别及 Android 综述 | 第23-37页 |
| ·表情识别框架概述 | 第23-24页 |
| ·人脸表情数据库 | 第24-25页 |
| ·JAFFE 表情库 | 第24页 |
| ·Cohn-Kanade 表情库 | 第24-25页 |
| ·人脸检测与关键部位定位的方法 | 第25-29页 |
| ·先验知识的方法 | 第25-26页 |
| ·肤色模型的方法 | 第26页 |
| ·模板匹配的方法 | 第26-27页 |
| ·神经网络的方法 | 第27页 |
| ·特征不变性的方法 | 第27-28页 |
| ·子空间的方法 | 第28-29页 |
| ·Boosting 的方法 | 第29页 |
| ·静态图像特征提取方法 | 第29-31页 |
| ·LBP 法 | 第29-30页 |
| ·Gabor 小波 | 第30页 |
| ·独立主元分析法 | 第30-31页 |
| ·动态图像序列特征提取方法 | 第31-32页 |
| ·特征点跟踪法 | 第31页 |
| ·光流法 | 第31-32页 |
| ·差分图像法 | 第32页 |
| ·表情分类器 | 第32-34页 |
| ·支持向量机 | 第32-33页 |
| ·人工神经网络 | 第33-34页 |
| ·隐马尔可夫模型 | 第34页 |
| ·Android 综述 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第三章 基于关键部位的形状及纹理特征的表情识别 | 第37-56页 |
| ·表情类别 | 第37页 |
| ·基于主动形状模型的关键部位定位 | 第37-46页 |
| ·建立统计形状模型 | 第38-40页 |
| ·建立局部纹理模型 | 第40-42页 |
| ·定位新图像特征点的搜索算法 | 第42-44页 |
| ·人脸形状初始化优化 | 第44-45页 |
| ·局部纹理模型的优化 | 第45-46页 |
| ·提取人脸表情特征信息 | 第46-53页 |
| ·形状特征 | 第47-50页 |
| ·纹理特征 | 第50-53页 |
| ·使用支持向量机分类表情 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 实验、结果分析及系统实现 | 第56-72页 |
| ·软硬件环境 | 第56-57页 |
| ·软件环境 | 第56页 |
| ·硬件环境 | 第56-57页 |
| ·算法模块的实现 | 第57-66页 |
| ·ASM 算法的实现 | 第57-61页 |
| ·特征提取算法的实现 | 第61-62页 |
| ·libSVM 库 | 第62-63页 |
| ·实验及其结果分析 | 第63-66页 |
| ·移动平台系统实现 | 第66-71页 |
| ·服务器端实现 | 第67-68页 |
| ·客户端实现 | 第68-70页 |
| ·效果演示 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第五章 总结和展望 | 第72-74页 |
| ·主要工作和创新点 | 第72页 |
| ·后续工作 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士学位期间已发表或录用的论文及参与的项目 | 第81页 |
