E-Learning中基于联合Haar特征的表情特征提取研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-12页 |
| 第1章 绪论 | 第12-22页 |
| ·研究背景和意义 | 第12-13页 |
| ·国内外研究现状 | 第13-18页 |
| ·E-Learning系统研究现状 | 第13-14页 |
| ·人工心理 | 第14-15页 |
| ·情感计算 | 第15-16页 |
| ·人脸检测 | 第16-17页 |
| ·表情特征提取 | 第17-18页 |
| ·本文主要研究内容和创新 | 第18-19页 |
| ·研究内容 | 第18-19页 |
| ·创新之处 | 第19页 |
| ·本文章节安排 | 第19-22页 |
| 第2章 人脸检测和表情特征提取基础 | 第22-30页 |
| ·人脸检测 | 第22-25页 |
| ·基于知识的方法 | 第22-24页 |
| ·基于统计理论的方法 | 第24-25页 |
| ·表情特征提取算法 | 第25-29页 |
| ·眼睛特征提取方法 | 第25-27页 |
| ·嘴巴特征提取方法 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 E-Learning情境中的人脸检测 | 第30-42页 |
| ·网络教学情境的特殊性分析 | 第30页 |
| ·图像的预处理 | 第30-31页 |
| ·基于Adaboost算法的人脸检测 | 第31-37页 |
| ·Haar特征 | 第31-32页 |
| ·积分图 | 第32-33页 |
| ·Adaboost算法描述 | 第33-34页 |
| ·改进的Adaboost算法 | 第34-36页 |
| ·实验结果 | 第36-37页 |
| ·基于联合Haar特征的人脸检测 | 第37-40页 |
| ·联合Haar特征 | 第38-39页 |
| ·联合Haar特征和改进Adaboost算法结合 | 第39页 |
| ·实验结果 | 第39-40页 |
| ·常用的人脸检测性能指标 | 第40页 |
| ·本章小结 | 第40-42页 |
| 第4章 E-Learning情境中的表情特征提取 | 第42-52页 |
| ·基本思想 | 第42页 |
| ·人脸面积的提取 | 第42-43页 |
| ·眼帘间距的提取 | 第43-48页 |
| ·基于积分投影的眼睛定位 | 第43-47页 |
| ·眼帘间距的提取 | 第47-48页 |
| ·嘴角弧度提取 | 第48-51页 |
| ·基于积分投影的嘴巴定位 | 第48-49页 |
| ·嘴巴特征点定位 | 第49-51页 |
| ·嘴角弧度的提取 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第5章 系统设计与实现 | 第52-62页 |
| ·系统设计流程 | 第52-55页 |
| ·人脸检测模块 | 第53-54页 |
| ·眼帘间距提取模块 | 第54-55页 |
| ·嘴角弧度提取模块 | 第55页 |
| ·系统开发平台 | 第55-56页 |
| ·系统运行界面 | 第56-59页 |
| ·实验数据分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| ·论文工作总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 在学期间研究成果 | 第68-70页 |
| 致谢 | 第70页 |
