基于多特征融合的面部表情识别方法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题研究的背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 国外相关研究 | 第9-10页 |
| 1.2.2 国内相关研究 | 第10页 |
| 1.3 论文的研究内容 | 第10-11页 |
| 1.4 论文的组织结构 | 第11页 |
| 1.5 本章小结 | 第11-12页 |
| 2 表情识别及图像处理技术 | 第12-20页 |
| 2.1 表情识别 | 第12-13页 |
| 2.1.1 面部表情识别流程 | 第12-13页 |
| 2.1.2 常用表情识别数据库 | 第13页 |
| 2.2 图像处理技术 | 第13-19页 |
| 2.2.1 图像灰度处理 | 第13-14页 |
| 2.2.2 连续均值量化变换 | 第14-16页 |
| 2.2.3 图像有效区域裁剪 | 第16-17页 |
| 2.2.4 图像尺寸归一化 | 第17-19页 |
| 2.3 本章小结 | 第19-20页 |
| 3 基于多特征加权融合的图像特征提取 | 第20-30页 |
| 3.1 Gabor特征提取技术 | 第20-21页 |
| 3.2 PHog特征提取技术 | 第21-24页 |
| 3.2.1 Hog特征提取 | 第21-23页 |
| 3.2.2 PHog特征提取 | 第23-24页 |
| 3.3 MPCA特征降维 | 第24-25页 |
| 3.4 基于特征融合的表情特征提取 | 第25-27页 |
| 3.4.1 特征融合技术 | 第25页 |
| 3.4.2 特征融合的表情特征提取 | 第25-27页 |
| 3.5 实验验证 | 第27-29页 |
| 3.5.1 实验数据 | 第27页 |
| 3.5.2 实验结果 | 第27-29页 |
| 3.6 本章小结 | 第29-30页 |
| 4 多分类器集成的面部表情识别 | 第30-50页 |
| 4.1 基分类器 | 第30-40页 |
| 4.1.1 决策树 | 第30-31页 |
| 4.1.2 K近邻 | 第31-32页 |
| 4.1.3 朴素贝叶斯 | 第32-34页 |
| 4.1.4 支持向量机 | 第34-36页 |
| 4.1.5 判别分析 | 第36-40页 |
| 4.1.6 随机森林 | 第40页 |
| 4.2 多分类器集成的表情识别 | 第40-45页 |
| 4.2.1 集成学习 | 第41页 |
| 4.2.2 多分类器选择集成 | 第41-42页 |
| 4.2.3 QOC的集成模型 | 第42页 |
| 4.2.4 集成模型的权重 | 第42-43页 |
| 4.2.5 QOC的集成策略 | 第43-45页 |
| 4.3 实验验证 | 第45-48页 |
| 4.3.1 实验数据 | 第45页 |
| 4.3.2 实验步骤 | 第45页 |
| 4.3.3 实验结果 | 第45-48页 |
| 4.4 本章小结 | 第48-50页 |
| 5 总结与展望 | 第50-53页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58页 |
