| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 背景及研究意义 | 第8页 |
| 1.2 情绪能力评测系统概述 | 第8-10页 |
| 1.2.1 表情识别系统一般流程 | 第9-10页 |
| 1.3 本文所用的人脸表情数据库 | 第10-11页 |
| 1.4 表情分类器 | 第11-12页 |
| 1.5 论文组织结构 | 第12-14页 |
| 第二章 适应复杂实时场景的人脸表情特征 | 第14-26页 |
| 2.1 LBP特征 | 第14-16页 |
| 2.1.1 LBP的归一化模式 | 第15页 |
| 2.1.2 LBP特征的光照鲁棒性 | 第15-16页 |
| 2.2 LBP-TOP特征 | 第16-18页 |
| 2.2.1 LBP-TOP特征的提取 | 第17-18页 |
| 2.3 边缘方向直方图统计特征 | 第18-20页 |
| 2.3.1 EOH特征原理 | 第19-20页 |
| 2.3.2 主方向特征 | 第20页 |
| 2.3.3 对称性特征 | 第20页 |
| 2.4 局部Gabor二值化特征(LGBP) | 第20-21页 |
| 2.5 SIFT特征 | 第21-24页 |
| 2.5.1 构建尺度空间 | 第22页 |
| 2.5.2 构建高斯差分尺度空间(DOG) | 第22页 |
| 2.5.3 建立图像金字塔 | 第22-23页 |
| 2.5.4 DOG尺度空间极值点检测 | 第23页 |
| 2.5.5 特征点描述子的生成 | 第23-24页 |
| 2.6 本章小结 | 第24-26页 |
| 第三章 基于面部特征点的表情特征提取方法 | 第26-44页 |
| 3.1 面部特征点检测算法 | 第26-31页 |
| 3.1.1 特征点检测背景简介 | 第26页 |
| 3.1.2 局部约束模型(CLM) | 第26-28页 |
| 3.1.3 Mean-shift DMF模型 | 第28-30页 |
| 3.1.4 特征点检测算法在实时系统中的表现 | 第30-31页 |
| 3.2 基于特征点的LBP特征提取 | 第31-36页 |
| 3.2.1 按面部等分法的LBP特征提取 | 第33-34页 |
| 3.2.2 按五官分区的LBP特征提取 | 第34页 |
| 3.2.3 基于图形金字塔的LBP特征提取 | 第34-35页 |
| 3.2.4 在特征点处提取LBP特征 | 第35-36页 |
| 3.3 LBP-TOP特征的提取 | 第36页 |
| 3.4 边缘方向直方图统计特征(EOH)提取 | 第36-38页 |
| 3.5 局部Gabor二值化特征(LGBP)的快速提取 | 第38-39页 |
| 3.5.1 面部子块归一化尺寸的选择 | 第38页 |
| 3.5.2 Gabor卷积核数目和大小的选择 | 第38-39页 |
| 3.6 SIFT特征的快速提取 | 第39-41页 |
| 3.7 CK+数据库上各特征方案比较 | 第41-42页 |
| 3.8 本章小结 | 第42-44页 |
| 第四章 多种特征方案的实时场景模拟实验与对比 | 第44-52页 |
| 4.1 光照鲁棒性实验 | 第44页 |
| 4.2 面部部分遮挡实验 | 第44-45页 |
| 4.3 非正面识别实验 | 第45-47页 |
| 4.3.1 基于对称性对非正面表情识别的优化 | 第46-47页 |
| 4.4 互联网图片笑脸库测试 | 第47-48页 |
| 4.5 实时场景中测试 | 第48-49页 |
| 4.6 儿童表情测试 | 第49页 |
| 4.7 特征提取方案的最终选择 | 第49-51页 |
| 4.8 本章小结 | 第51-52页 |
| 第五章 情绪能力评测系统界面与功能 | 第52-56页 |
| 5.1 情绪能力评测参考指标 | 第52-53页 |
| 5.1.1 表情状态统计直方图 | 第52-53页 |
| 5.1.2 情绪图谱的生成 | 第53页 |
| 5.2 评测系统交互界面 | 第53-55页 |
| 5.2.1 系统的配置需求及适用场景 | 第53-54页 |
| 5.2.2 各组件功能 | 第54-55页 |
| 5.3 本章小节 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 后续研究探讨 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-63页 |