| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-24页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 人脸表情识别的关键技术及特点 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-21页 |
| 1.3.1 常用人脸表情库 | 第14-15页 |
| 1.3.2 特征提取研究现状 | 第15-18页 |
| 1.3.3 特征分类研究现状 | 第18-19页 |
| 1.3.4 鲁棒表情识别研究现状 | 第19-21页 |
| 1.4 本文的研究内容与结构安排 | 第21-24页 |
| 1.4.1 本文的研究内容 | 第21-22页 |
| 1.4.2 论文的结构安排 | 第22-24页 |
| 第2章 人脸检测与图像预处理 | 第24-38页 |
| 2.1 引言 | 第24页 |
| 2.2 人脸检测 | 第24-32页 |
| 2.2.1 人脸检测方法综述 | 第24-25页 |
| 2.2.2 本文人脸检测方法 | 第25-32页 |
| 2.3 图像预处理 | 第32-36页 |
| 2.3.1 彩色图像灰度化 | 第32-33页 |
| 2.3.2 灰度直方图均衡化 | 第33-34页 |
| 2.3.3 尺度归一化 | 第34-36页 |
| 2.4 本章小结 | 第36-38页 |
| 第3章 基于GABOR小波和GLCM的特征提取算法 | 第38-56页 |
| 3.1 引言 | 第38-39页 |
| 3.2 低维GABOR特征的提取 | 第39-43页 |
| 3.2.1 传统Gabor特征的提取 | 第39-41页 |
| 3.2.2 分块的Gabor特征统计量提取算法 | 第41-43页 |
| 3.3 基于GLCM的纹理特征的提取 | 第43-48页 |
| 3.3.1 灰度共生矩阵的定义及特点 | 第43-45页 |
| 3.3.2 参数选择 | 第45-47页 |
| 3.3.3 GLCM特征提取的步骤 | 第47-48页 |
| 3.4 高斯归一化 | 第48页 |
| 3.5 基于GABOR小波和GLCM的特征表达 | 第48-49页 |
| 3.6 实验 | 第49-53页 |
| 3.6.1 实验数据准备 | 第49-51页 |
| 3.6.2 实验结果及分析 | 第51-53页 |
| 3.7 本章小结 | 第53-56页 |
| 第4章 基于SVM的局部遮挡条件下的表情分类算法 | 第56-70页 |
| 4.1 引言 | 第56-57页 |
| 4.2 支持向量机的分类原理 | 第57-60页 |
| 4.2.1 支持向量机基本原理 | 第57页 |
| 4.2.2 最优分类面 | 第57-59页 |
| 4.2.3 广义最优分类面 | 第59-60页 |
| 4.3 多类SVM分类器的设计 | 第60-64页 |
| 4.3.1 核函数的选择 | 第60-61页 |
| 4.3.2 最优核参数的选择 | 第61-62页 |
| 4.3.3 多类分类器的构造 | 第62-63页 |
| 4.3.4 多类SVM的分类流程 | 第63-64页 |
| 4.4 实验 | 第64-68页 |
| 4.4.1 实验数据准备 | 第64-65页 |
| 4.4.2 实验结果及分析 | 第65-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第5章 局部遮挡条件下的人脸表情识别系统的设计与实现 | 第70-86页 |
| 5.1 引言 | 第70-72页 |
| 5.1.1 系统框架 | 第70-72页 |
| 5.1.2 系统开发环境 | 第72页 |
| 5.2 系统模块功能设计 | 第72-74页 |
| 5.2.1 系统模块设计 | 第72-73页 |
| 5.2.2 后台数据库设计 | 第73-74页 |
| 5.3 系统展示 | 第74-82页 |
| 5.3.1 SVM模型训练模块 | 第75-78页 |
| 5.3.2 表情识别模块 | 第78-81页 |
| 5.3.3 人员管理模块 | 第81-82页 |
| 5.4 系统性能分析 | 第82-84页 |
| 5.5 本章小结 | 第84-86页 |
| 结论 | 第86-88页 |
| 参考文献 | 第88-92页 |
| 攻读硕士学位期间所发表的学术论文 | 第92-94页 |
| 攻读硕士学位期间参加的科研活动和获得的奖励 | 第94-96页 |
| 致谢 | 第96页 |