远程网络监控人脸表情识别方法研究与系统实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-24页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 物联网研究现状 | 第11-12页 |
| 1.2.2 人脸表情研究现状 | 第12-13页 |
| 1.3 课题相关技术及方法 | 第13-22页 |
| 1.3.1 物联网结构 | 第13-14页 |
| 1.3.2 物联网技术 | 第14-15页 |
| 1.3.3 表情识别方法 | 第15-22页 |
| 1.4 本文的研究内容与结构安排 | 第22-24页 |
| 1.4.1 本文的研究内容 | 第22页 |
| 1.4.2 本文的结构安排 | 第22-24页 |
| 第2章 基于物联网架构的数据传输技术 | 第24-34页 |
| 2.1 引言 | 第24页 |
| 2.2 IP协议技术 | 第24-28页 |
| 2.2.1 IPV4与IPV6对比分析 | 第24-25页 |
| 2.2.2 IPV4/IPV6过渡机制 | 第25-26页 |
| 2.2.3 IPV4/IPV6网络通信功能实现 | 第26-28页 |
| 2.3 TCP协议技术 | 第28-30页 |
| 2.3.1 TCP/IP参考模型 | 第28页 |
| 2.3.2 TCP状态机 | 第28-29页 |
| 2.3.3 TCP拥塞分析 | 第29-30页 |
| 2.4 HTTP协议技术 | 第30-32页 |
| 2.4.1 HTTP报文结构 | 第30页 |
| 2.4.2 HTTP请求方法 | 第30-32页 |
| 2.5 JPEG及M-JPEG编码技术 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 针对表情识别的主成分分析特征提取算法 | 第34-44页 |
| 3.1 引言 | 第34页 |
| 3.2 PCA特征的提取 | 第34-37页 |
| 3.3 LPCA特征的提取 | 第37-38页 |
| 3.4 2D-PCA特征的提取 | 第38-40页 |
| 3.5 2D-LPCA的特征提取 | 第40-41页 |
| 3.6 实验 | 第41-43页 |
| 3.6.1 实验数据准备 | 第41-42页 |
| 3.6.2 实验结果及分析 | 第42-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第4章 基于K近邻分类器的表情分类算法研究 | 第44-56页 |
| 4.1 引言 | 第44页 |
| 4.2 最近邻表情分类方法 | 第44-48页 |
| 4.3 BOOSTING分类提升算法 | 第48-52页 |
| 4.4 ADABOOST-KNN分类器设计 | 第52-54页 |
| 4.5 实验 | 第54-55页 |
| 4.5.1 实验数据准备 | 第54页 |
| 4.5.2 实验结果及分析 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第5章 远程监控人脸表情识别系统的设计与实现 | 第56-70页 |
| 5.1 引言 | 第56页 |
| 5.2 系统架构 | 第56-60页 |
| 5.2.1 B/S体系结构 | 第56-57页 |
| 5.2.2 MVC设计模式 | 第57-59页 |
| 5.2.3 SSH2框架技术 | 第59-60页 |
| 5.3 关键技术 | 第60-65页 |
| 5.3.1 JSP/SERVLET及相关技术 | 第60-62页 |
| 5.3.2 JNI/JNA跨语言技术 | 第62-64页 |
| 5.3.3 JAVAAPPLET技术 | 第64-65页 |
| 5.4 系统展示 | 第65-68页 |
| 5.4.1 视频监控模块 | 第66页 |
| 5.4.2 表情仓库模块 | 第66-67页 |
| 5.4.3 数据特征模块 | 第67-68页 |
| 5.4.4 系统管理模块 | 第68页 |
| 5.5 系统性能分析 | 第68页 |
| 5.6 本章小结 | 第68-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间所发表的学术论文 | 第76-78页 |
| 攻读硕士学位期间参加的科研活动和获得的奖励 | 第78-80页 |
| 致谢 | 第80页 |
