| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-16页 |
| ·研究背景与意义 | 第8-9页 |
| ·表情识别的研究现状 | 第9-13页 |
| ·文章的安排 | 第13-16页 |
| 2 表情识别系统的组成 | 第16-24页 |
| ·表情识别系统的功能模块 | 第16-17页 |
| ·表情识别系统研究设备——Kinect | 第17-20页 |
| ·Kinect的硬件组成 | 第18-19页 |
| ·Kinect获取深度信息的原理 | 第19-20页 |
| ·面部运动编码系统（Facial Action Coding System，FACS） | 第20-22页 |
| ·本章小结 | 第22-24页 |
| 3 三维面部的定位与跟踪 | 第24-36页 |
| ·面部数据的采集 | 第24-28页 |
| ·三维数据的表现形式 | 第24-25页 |
| ·Kinect进行三维图像采集原理 | 第25页 |
| ·Kinect进行三维数据的采集过程 | 第25-28页 |
| ·面部检测定位 | 第28-35页 |
| ·深度坐标系到世界坐标系的转换 | 第28-29页 |
| ·深度图像到RGB图像的配准 | 第29-30页 |
| ·深度图像的预处理 | 第30-31页 |
| ·骨骼的追踪 | 第31-33页 |
| ·面部的检测及脸部提取 | 第33-34页 |
| ·面部三维数据的归一化 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 面部特征提取与表情分类 | 第36-52页 |
| ·核主成分分析法（KPCA）提取面部特征 | 第36-39页 |
| ·主成分分析法（PCA） | 第36页 |
| ·核方法 | 第36-37页 |
| ·核主成分分析法原理 | 第37-39页 |
| ·核主成分分析法提取面部表情的步骤 | 第39页 |
| ·基于SVM的三维面部表情识别 | 第39-42页 |
| ·机器学习模型 | 第39-40页 |
| ·支持向量机（SVM）基本思想 | 第40页 |
| ·支持向量机模型 | 第40-41页 |
| ·多分类SVM模型 | 第41-42页 |
| ·基于Kinect实现面部表情识别 | 第42-47页 |
| ·面部跟踪的功能设计 | 第42-44页 |
| ·面部跟踪的功能实现 | 第44-46页 |
| ·面部表情识别的实现 | 第46-47页 |
| ·实验内容与结果分析 | 第47-52页 |
| ·实验内容与结果 | 第47-50页 |
| ·实验结果分析 | 第50-52页 |
| 5 总结与展望 | 第52-54页 |
| ·总结 | 第52页 |
| ·展望未来 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58-60页 |
| 致谢 | 第60页 |