基于标准模型特征的人脸表情识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景和意义 | 第7-8页 |
| ·人脸表情识别的问题描述 | 第8-10页 |
| ·论文的主要工作和安排 | 第10-11页 |
| 第二章 人脸表情识别研究综述 | 第11-21页 |
| ·引言 | 第11-12页 |
| ·人脸表情识别系统框架 | 第12页 |
| ·人脸表情图像获取 | 第12-14页 |
| ·基于统计理论的人脸检测 | 第12-14页 |
| ·基于知识的人脸检测 | 第14页 |
| ·人脸表情特征提取 | 第14-18页 |
| ·基于静态图像的特征提取方法 | 第14-16页 |
| ·基于动态图像的特征提取方法 | 第16-18页 |
| ·人脸表情的分类与识别 | 第18-19页 |
| ·基于概率模型的分类方法 | 第18页 |
| ·基于隐马尔可夫模型的分类方法 | 第18-19页 |
| ·基于神经网络的分类方法 | 第19页 |
| ·支持向量机及 AdaBoost 分类方法 | 第19页 |
| ·本章小结 | 第19-21页 |
| 第三章 标准模型特征与支持向量机分类器 | 第21-35页 |
| ·引言 | 第21页 |
| ·人类视觉感知系统概述 | 第21-23页 |
| ·标准模型特征 | 第23-28页 |
| ·SMF 特征的层次化结构 | 第24-25页 |
| ·SMF 特征的提取 | 第25-28页 |
| ·支持向量机分类器 | 第28-34页 |
| ·最优分类面 | 第29-31页 |
| ·广义最优分类面 | 第31-32页 |
| ·支持向量机 | 第32-33页 |
| ·SVM 多类分类器模型 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于标准模型特征的人脸表情识别方法 | 第35-49页 |
| ·改进 SMF 特征提取 | 第35-39页 |
| ·SMF 特征在表情识别应用上的局限 | 第35-36页 |
| ·感受野相关原理 | 第36-37页 |
| ·兴奋野概念的引进 | 第37页 |
| ·抑制野概念的引进 | 第37-39页 |
| ·基于改进 SMF 特征的人脸表情识别 | 第39-41页 |
| ·实验设计及结果分析 | 第41-48页 |
| ·实验数据 | 第41-42页 |
| ·不同方法表情识别率差异 | 第42-44页 |
| ·不同表情类别识别率差异 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·论文总结 | 第49-50页 |
| ·工作展望 | 第50-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 作者在读研期间的研究成果 | 第57-58页 |
