| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 面部表情识别的发展 | 第11页 |
| 1.2.2 国内外相关研究 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13页 |
| 1.4 章节安排 | 第13-16页 |
| 第2章 面部图像特征提取 | 第16-28页 |
| 2.1 基于Gabor小波变换的面部特征 | 第16-18页 |
| 2.1.1 一维Gabor小波变换 | 第16-17页 |
| 2.1.2 二维Gabor小波变换 | 第17页 |
| 2.1.3 Gabor纹理特征降维 | 第17-18页 |
| 2.2 基于AAM特征点定位的面部特征 | 第18-19页 |
| 2.3 基于局部二值模式的面部特征 | 第19-21页 |
| 2.3.1 原始LBP算子 | 第19-20页 |
| 2.3.2 LBP圆形算子 | 第20页 |
| 2.3.3 LBP直方图 | 第20-21页 |
| 2.4 基于韦伯局部描述符的面部特征 | 第21-25页 |
| 2.4.1 WLD差异特征描述 | 第21-22页 |
| 2.4.2 WLD方向特征描述 | 第22-23页 |
| 2.4.3 WLD直方图 | 第23-25页 |
| 2.5 面部特征提取相关实验研究 | 第25-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第3章 基于AU分块融合的面部表情识别算法研究 | 第28-56页 |
| 3.1 基于AU分块融合的面部表情识别计算模型 | 第28-45页 |
| 3.1.1 Stacking融合计算框架 | 第28-30页 |
| 3.1.2 面部运动单元和特征提取 | 第30-36页 |
| 3.1.3 基于Kappa-error的分类器选取及识别能力分析 | 第36-40页 |
| 3.1.4 基于Kappa-error的AU特征选取及融合能力分析 | 第40-43页 |
| 3.1.5 基于AU多特征和多分类器的面部表情识别融合模型 | 第43-45页 |
| 3.2 实验结果与分析 | 第45-55页 |
| 3.2.1 实验数据库 | 第45-46页 |
| 3.2.2 实验结果对比与分析 | 第46-55页 |
| 3.3 本章小结 | 第55-56页 |
| 第4章 基于AU和关联规则学习的面部表情识别算法研究 | 第56-70页 |
| 4.1 基于关联规则挖掘AU内在联系的面部表情识别算法 | 第56-65页 |
| 4.1.1 关联规则挖掘过程 | 第56-57页 |
| 4.1.2 Apriori算法推导及原理 | 第57-59页 |
| 4.1.3 基于AU加权的面部表情识别融合算法设计 | 第59-65页 |
| 4.2 实验结果与分析 | 第65-68页 |
| 4.2.1 本算法实验结果分析 | 第65-67页 |
| 4.2.2 与本文实验结果对比 | 第67页 |
| 4.2.3 与目前主流研究成果对比 | 第67-68页 |
| 4.3 本章小结 | 第68-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的学术论文 | 第76-78页 |
| 致谢 | 第78页 |
