首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于二次特征提取的表情识别

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

论文共65页,点击 下载论文
上一篇:基于规则匹配的高效报文分类算法研究
下一篇:激光基准建筑沉降图像式监测系统