基于仿生特征的人脸表情识别
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| §1-1 人脸表情识别的研究背景及意义 | 第8-10页 |
| §1-2 人脸表情识别方法综述 | 第10-13页 |
| 1-2-1 人脸表情识别系统 | 第10页 |
| 1-2-2 人脸表情特征提取方法 | 第10-12页 |
| 1-2-3 人脸表情分类方法 | 第12-13页 |
| §1-3 人脸表情识别存在的问题及难点 | 第13-14页 |
| §1-4 本文的主要研究内容及章节安排 | 第14-15页 |
| 1-4-1 本文的研究内容 | 第14页 |
| 1-4-2 本文的章节安排 | 第14-15页 |
| 第二章 人脸表情特征提取 | 第15-23页 |
| §2-1 基于Gabor小波的特征提取 | 第15-16页 |
| 2-1-1 Gabor小波 | 第15-16页 |
| 2-1-2 基于Gabor小波的特征 | 第16页 |
| §2-2 HOG特征提取 | 第16-18页 |
| 2-2-1 图像梯度特征 | 第16-17页 |
| 2-2-2 HOG特征 | 第17-18页 |
| §2-3 仿生特征提取 | 第18-20页 |
| 2-3-1 标准模型的整体框架 | 第18-19页 |
| 2-3-2 标准模型的层次结构 | 第19-20页 |
| §2-4 特征降维 | 第20-23页 |
| 2-4-1 主成分分析（PCA） | 第20-22页 |
| 2-4-2 线性鉴别分析（LDA） | 第22-23页 |
| 第三章 支持向量机基本原理 | 第23-28页 |
| §3-1 SVM概述 | 第23-24页 |
| §3-2 SVM基本原理 | 第24-28页 |
| 3-2-1 最优分类面 | 第24-25页 |
| 3-2-2 非线性支持向量机 | 第25-26页 |
| 3-2-3 SVM的核函数 | 第26-27页 |
| 3-2-4 多类支持向量机 | 第27-28页 |
| 第四章 基于仿生特征和SVM的人脸表情识别 | 第28-34页 |
| §4-1 基于仿生特征的人脸表情识别算法整体框架 | 第28-29页 |
| §4-2 实验及结果分析 | 第29-34页 |
| 4-2-1 与人有关的实验 | 第30-31页 |
| 4-2-2 与人无关的实验 | 第31-33页 |
| 4-2-3 和现有方法的比较 | 第33-34页 |
| 第五章 总结与展望 | 第34-36页 |
| §5-1 总结 | 第34页 |
| §5-2 展望 | 第34-36页 |
| 参考文献 | 第36-40页 |
| 致谢 | 第40页 |
