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 |