| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 引言 | 第13页 |
| 1.2 课题的研究背景及意义 | 第13-14页 |
| 1.3 人脸表情识别研究现状 | 第14-16页 |
| 1.4 本文所做工作及主要贡献 | 第16页 |
| 1.5 论文组织结构 | 第16-18页 |
| 第二章 人脸表情识别 | 第18-25页 |
| 2.1 人脸表情的分类及表情特点 | 第18-19页 |
| 2.2 人脸表情数据库 | 第19-21页 |
| 2.3 人脸表情识别基本步骤 | 第21-22页 |
| 2.4 人脸表情识别的难点以及目前存在的问题 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 人脸表情识别关键技术 | 第25-35页 |
| 3.1 图像预处理 | 第25页 |
| 3.2 特征提取 | 第25-28页 |
| 3.2.1 几何特征 | 第26页 |
| 3.2.2 Gabor特征 | 第26-27页 |
| 3.2.3 LBP特征 | 第27-28页 |
| 3.3 特征降维 | 第28-30页 |
| 3.3.1 PCA(Principal Component Analysis) | 第28-29页 |
| 3.3.2 LDA(Linear Discriminant Analysis) | 第29-30页 |
| 3.4 分类与识别 | 第30-34页 |
| 3.4.1 基于支持向量机的分类方法 | 第30-31页 |
| 3.4.2 基于AdaBoost的分类方法 | 第31-32页 |
| 3.4.3 基于条件随机场的分类方法 | 第32-33页 |
| 3.4.4 基于最近邻法的分类方法 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于Gabor和条件随机场的人脸表情识别算法 | 第35-50页 |
| 4.1 引言 | 第35页 |
| 4.2 系统框架 | 第35-36页 |
| 4.3 人脸表情数据库的建立及表情图像预处理 | 第36-37页 |
| 4.4 Gabor特征提取 | 第37-39页 |
| 4.5 基于条件随机场理论的表情分类 | 第39-40页 |
| 4.6 实验结果与分析 | 第40-49页 |
| 4.6.1 基于Gabor和条件随机场的人脸表情识别算法结果 | 第41-43页 |
| 4.6.2 基于LBP和条件随机场的人脸表情识别算法结果 | 第43-45页 |
| 4.6.3 基于Gabor和SVM的人脸表情识别算法结果 | 第45-46页 |
| 4.6.4 基于LBP和SVM的人脸表情识别算法结果 | 第46-48页 |
| 4.6.5 实验结果分析 | 第48-49页 |
| 4.7 本章小结 | 第49-50页 |
| 第五章 人脸表情识别演示系统的设计与实现 | 第50-62页 |
| 5.1 引言 | 第50页 |
| 5.2 基于脸部特征点的人脸表情识别系统的实现 | 第50-57页 |
| 5.2.1 脸部特征点提取算法 | 第50-53页 |
| 5.2.2 基于脸部特征点的人脸表情识别算法 | 第53-55页 |
| 5.2.3 基于脸部特征点的人脸表情识别结果 | 第55-57页 |
| 5.3 基于脸部特征点的人脸微笑度检测系统的实现 | 第57-62页 |
| 5.3.1 人脸微笑图片库 | 第57页 |
| 5.3.2 基于脸部特征点的人脸微笑度检测算法 | 第57-60页 |
| 5.3.3 基于脸部特征点的人脸微笑度检测结果 | 第60-61页 |
| 5.3.4 人脸微笑度检测结果分析 | 第61-62页 |
| 第六章 总结与展望 | 第62-65页 |
| 6.1 本文总结 | 第62页 |
| 6.2 人脸表情识别展望 | 第62-65页 |
| 参考文献 | 第65-72页 |
| 致谢 | 第72-73页 |
| 学位论文评阅及答辩倩况表 | 第73页 |
