| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 课题来源 | 第13页 |
| 1.4 主要研究内容 | 第13-14页 |
| 1.5 章节安排 | 第14-15页 |
| 1.6 本章小结 | 第15-16页 |
| 第2章 面部表情识别总体方案与图像预处理 | 第16-26页 |
| 2.1 面部表情识别总体方案 | 第16页 |
| 2.2 人脸检测 | 第16-21页 |
| 2.2.1 人脸检测方法的比较及选定 | 第17-18页 |
| 2.2.2 基于Ada Boost的人脸检测原理 | 第18-20页 |
| 2.2.3 基于Ada Boost的人脸检测实现 | 第20-21页 |
| 2.3 图像预处理 | 第21-25页 |
| 2.3.1 图像灰度化 | 第21-22页 |
| 2.3.2 直方图均衡化 | 第22-24页 |
| 2.3.3 图像尺度归一化 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于融合PCA与LDP特征提取的面部表情识别 | 第26-42页 |
| 3.1 表情特征提取方法的研究与选定 | 第26-28页 |
| 3.1.1 表情全局特征提取方法 | 第26-27页 |
| 3.1.2 局部纹理特征提取方法 | 第27-28页 |
| 3.1.3 表情特征提取方法的选定 | 第28页 |
| 3.2 基于PCA的表情特征提取及实验分析 | 第28-33页 |
| 3.2.1 PCA基本原理 | 第28-30页 |
| 3.2.2 基于PCA的表情特征提取 | 第30页 |
| 3.2.3 基于PCA的表情识别实验及结果分析 | 第30-33页 |
| 3.3 基于LDP的表情特征提取及实验分析 | 第33-37页 |
| 3.3.1 LDP基本原理及特征提取过程 | 第33-35页 |
| 3.3.2 基于LDP的表情识别实验及结果分析 | 第35-37页 |
| 3.4 融合PCA与LDP的表情特征提取及实验分析 | 第37-40页 |
| 3.4.1 基于融合PCA与LDP的表情特征提取 | 第37-39页 |
| 3.4.2 基于融合PCA与LDP的表情识别实验及结果分析 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 基于改进DAGSVM的面部表情识别 | 第42-55页 |
| 4.1 表情分类方法的研究与选定 | 第42-44页 |
| 4.1.1 基于k NN的分类方法 | 第42-43页 |
| 4.1.2 基于ANN的分类方法 | 第43页 |
| 4.1.3 基于SVM的分类方法 | 第43页 |
| 4.1.4 表情分类方法的选定 | 第43-44页 |
| 4.2 基于SVM的面部表情分类方法 | 第44-49页 |
| 4.2.1 SVM分类方法基本理论 | 第44-47页 |
| 4.2.2 基于SVM的多类分类器构造 | 第47-49页 |
| 4.3 基于改进DAGSVM的面部表情识别及实验分析 | 第49-53页 |
| 4.3.1 基于相对距离的改进DAGSVM | 第49-52页 |
| 4.3.2 基于改进DAGSVM的表情识别实验及结果分析 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第5章 面部表情识别在智能轮椅上的集成实现 | 第55-68页 |
| 5.1 面部表情识别的集成实现整体框架 | 第55-56页 |
| 5.2 系统软硬件 | 第56-60页 |
| 5.2.1 软件部分 | 第56-57页 |
| 5.2.2 硬件部分 | 第57-60页 |
| 5.3 面部表情识别在轮椅上的集成实现与实验分析 | 第60-67页 |
| 5.3.1 基于面部表情识别的轮椅运动控制实验 | 第60-65页 |
| 5.3.2 实验结果分析 | 第65-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第6章 全文总结与展望 | 第68-70页 |
| 6.1 全文总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第76页 |
