| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 表情识别问题和难点 | 第13-14页 |
| 1.4 本文主要研究内容 | 第14页 |
| 1.5 本文结构安排 | 第14-16页 |
| 第二章 人脸表情识别算法回顾 | 第16-37页 |
| 2.1 人脸检测与定位 | 第16-21页 |
| 2.1.1 基于肤色的人脸检测 | 第16-18页 |
| 2.1.2 基于统计的人脸检测 | 第18-21页 |
| 2.2 表情特征提取 | 第21-27页 |
| 2.2.1 矢量特征 | 第22-23页 |
| 2.2.2 HOG特征 | 第23-24页 |
| 2.2.3 Gabor特征 | 第24-25页 |
| 2.2.4 其他纹理特征 | 第25-27页 |
| 2.2.5 其他表情特征 | 第27页 |
| 2.3 人脸表情分类 | 第27-32页 |
| 2.3.1 随机森林分类器 | 第28-29页 |
| 2.3.2 SVM分类器 | 第29-30页 |
| 2.3.3 K近邻分类器 | 第30-32页 |
| 2.4 人工神经网络 | 第32-35页 |
| 2.4.1 限制玻尔兹曼机与深度置信网络 | 第32-34页 |
| 2.4.2 深度学习方法 | 第34-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第三章 基于二次特征提取的表情识别 | 第37-49页 |
| 3.1 表情识别系统结构 | 第37页 |
| 3.2 自适应阈值LBP特征 | 第37-45页 |
| 3.2.1 LBP特征 | 第38-40页 |
| 3.2.2 改进的LBP特征 | 第40-45页 |
| 3.3 辅助特征选择 | 第45-46页 |
| 3.3.1 Kirsch-Canny特征 | 第45页 |
| 3.3.2 其他特征 | 第45-46页 |
| 3.4 面部区域划分 | 第46页 |
| 3.5 深度置信网络构建 | 第46-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 实验 | 第49-59页 |
| 4.1 实验环境 | 第49页 |
| 4.2 表情库采集和构建 | 第49-50页 |
| 4.3 人脸定位与表情特征提取 | 第50-52页 |
| 4.4 实验结果与分析 | 第52-57页 |
| 4.4.1 整体结果分析 | 第52-53页 |
| 4.4.2 自适应阈值LBP特征和Kirsch-Canny特征有效性分析 | 第53-55页 |
| 4.4.3 权重配置方法有效性验证分析 | 第55-56页 |
| 4.4.4 算法泛化性分析 | 第56-57页 |
| 4.5 对比试验 | 第57页 |
| 4.6 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间取得的学术成果 | 第64-65页 |
| 致谢 | 第65页 |