面部表情识别系统中表情特征提取与识别算法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究背景及项目介绍 | 第8页 |
| ·研究的目的和意义 | 第8-9页 |
| ·人脸表情识别系统的结构 | 第9-12页 |
| ·人脸表情识别中的难点 | 第12-13页 |
| ·本文的主要研究工作 | 第13-14页 |
| ·表情特征的提取 | 第13页 |
| ·基于SVM的面部表情识别 | 第13页 |
| ·基于KCCA方法的面部表情识别 | 第13-14页 |
| ·本文的结构安排 | 第14-15页 |
| 第二章 表情识别研究综述 | 第15-26页 |
| ·引言 | 第15页 |
| ·情绪理论研究 | 第15-18页 |
| ·情绪研究的发展历史 | 第15-16页 |
| ·情绪与表情的关系 | 第16-17页 |
| ·表情的分类 | 第17-18页 |
| ·人脸表情识别国内外研究情况 | 第18-20页 |
| ·人脸表情识别的主要方法 | 第20-25页 |
| ·基于子空间变换的方法 | 第21-23页 |
| ·基于机器学习的方法 | 第23-24页 |
| ·基于模型的方法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 表情特征提取算法的实现 | 第26-42页 |
| ·引言 | 第26页 |
| ·特征提取的意义 | 第26-27页 |
| ·主动形状模型 | 第27-34页 |
| ·特征点标定 | 第27-28页 |
| ·形状模型的建立 | 第28-31页 |
| ·局部纹理建模 | 第31-34页 |
| ·弹性图匹配 | 第34-41页 |
| ·Gabor 小波特征提取 | 第34-36页 |
| ·改进的灰度差值模板特征提取方法 | 第36-38页 |
| ·弹性图生成 | 第38页 |
| ·相似度计算 | 第38-39页 |
| ·弹性图匹配过程 | 第39-40页 |
| ·实验结果与分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于SVM的面部表情识别 | 第42-58页 |
| ·引言 | 第42-43页 |
| ·统计学习理论概述 | 第43-44页 |
| ·最优分类面 | 第44-49页 |
| ·最优分类面 | 第44-48页 |
| ·广义最优分类面 | 第48-49页 |
| ·支持向量机 | 第49-52页 |
| ·高维空间中的最优分类面 | 第49-50页 |
| ·支持向量机 | 第50-51页 |
| ·训练算法 | 第51-52页 |
| ·多类SVM分类器 | 第52-54页 |
| ·“一对多”分类法 | 第53页 |
| ·“一对一”分类法 | 第53-54页 |
| ·基于SVM的面部表情识别 | 第54-57页 |
| ·实验过程及结果 | 第54-57页 |
| ·实验结果分析及结论 | 第57页 |
| ·本章小结 | 第57-58页 |
| 第五章 基于KCCA的面部表情识别 | 第58-73页 |
| ·引言 | 第58页 |
| ·典型相关判别分析 | 第58-62页 |
| ·典型相关分析（CCA） | 第58-60页 |
| ·典型相关判别分析（CCDA） | 第60-62页 |
| ·核典型相关分析（KCCA） | 第62-68页 |
| ·什么是核函数？ | 第62-64页 |
| ·核典型相关分析 | 第64-67页 |
| ·使用KCCA进行分类判定 | 第67-68页 |
| ·基于KCCA的面部表情识别 | 第68-72页 |
| ·实验过程及结果 | 第68-71页 |
| ·实验结果分析及结论 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80页 |
