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

标准自然教室中的人脸表情识别研究

摘要第1-4页
ABSTRACT第4-11页
第一章 绪论第11-19页
   ·E-Learning 概念第11-13页
   ·标准自然教室(SNC)第13-15页
   ·研究内容与应用第15-16页
   ·国内外研究现状第16-17页
   ·本文主要工作第17-18页
   ·本文的组织安排第18-19页
第二章 人脸表情识别综述第19-30页
   ·综述第19-20页
   ·人脸检测第20-25页
     ·模板匹配第20-21页
     ·基于器官特征的方法第21页
     ·示例学习第21-22页
     ·人工神经网络第22页
     ·基于隐马尔可夫模型的方法第22-23页
     ·基于AdaBoost 的方法第23页
     ·基于色彩信息的方法第23-24页
     ·频域中的特征提取第24页
     ·多模态信息融合第24-25页
     ·转折点第25页
   ·静态图像的特征提取第25-27页
     ·静态图像第25页
     ·基于几何特征的方法第25-26页
     ·基于外貌特征的方法第26页
     ·基于混合特征的方法第26-27页
   ·图像序列的特征提取第27-28页
     ·图像序列第27页
     ·特征点跟踪法第27页
     ·光流法第27-28页
     ·差分图像法第28页
   ·表情分类方法第28-29页
     ·基于空间分析的方法第28-29页
     ·空时结合的方法第29页
   ·小结第29-30页
第三章 基于LBP 特征增强及选取的人脸表情识别方法第30-44页
   ·2D 人脸模型与人脸对齐第30-34页
     ·AdaBoost 算法第30-33页
     ·2D 人脸模型第33页
     ·人脸对齐第33-34页
     ·预处理流程第34页
   ·LBP 及特征增强第34-37页
     ·原始LBP第34-36页
     ·统一模式第36-37页
     ·分块LBP第37页
   ·小波变换第37-39页
     ·小波变换原理第37-38页
     ·小波系数重构和LBP第38-39页
   ·AVR 特征选取第39页
   ·支持向量机第39-43页
     ·支持向量机第39-41页
     ·支持向量机的多类分类策略第41-43页
   ·小结第43-44页
第四章 实验设计及结果分析第44-54页
   ·人脸表情库第44-45页
     ·人脸表情库的意义第44页
     ·现有表情库第44页
     ·JAFFE 日本女性表情库第44-45页
   ·LIBSVM第45-46页
     ·LIBSVM 介绍第45-46页
     ·LIBSVM 的使用第46页
   ·实验设计及结果分析第46-52页
     ·人脸检测及对齐第46页
     ·虚拟样本第46-47页
     ·人脸图像的小波变换与LBP 特征提取第47页
     ·AVR 特征提取第47-48页
     ·SVM 分类结果及分析第48-52页
   ·小结第52-54页
第五章 标准自然教室中的人脸表情识别系统设计与实现第54-72页
   ·SNC 及硬件架构第54-57页
     ·标准自然教室第54页
     ·PTZ 摄像头第54-57页
     ·硬件结构图第57页
   ·系统框架设计第57-62页
     ·模块设计第57-58页
     ·系统架构图第58-59页
     ·系统工作流程第59-62页
   ·系统实现及难点问题解决第62-70页
     ·系统的开发环境第62页
     ·系统的C++类图第62-66页
     ·PTZ 摄像头的控制第66-67页
     ·SNC 中的实际难点第67-70页
   ·系统界面设计及运行结果第70-71页
   ·小结第71-72页
第六章 总结与展望第72-75页
   ·本文的主要工作第72-73页
   ·有待进一步解决的问题第73-75页
参考文献第75-79页
致谢第79-80页
攻读硕士期间发表的论文和参与项目第80-81页
附录-1第81-86页
附录-2第86-88页
附录-3第88-90页
附录-4第90-93页

论文共93页,点击 下载论文
上一篇:基于视觉注意机制的物体显著性研究
下一篇:激光笔轨迹识别系统设计与实现