基于特征融合的人脸识别和表情识别
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·国内外研究及应用现状 | 第9-10页 |
| ·人脸识别研究现状 | 第9-10页 |
| ·表情识别研究现状 | 第10页 |
| ·技术难点 | 第10-11页 |
| ·本文研究内容及创新点 | 第11-12页 |
| 2 基于双特征的人脸识别 | 第12-33页 |
| ·引言 | 第12页 |
| ·FERET人脸库简介 | 第12-14页 |
| ·人脸识别的特征提取算法 | 第14-23页 |
| ·基于LBP的特征提取方法 | 第14-17页 |
| ·基于GPPBTF的特征提取方法 | 第17-23页 |
| ·人脸识别的分类器设计 | 第23-28页 |
| ·线性判决分析(LDA)算法 | 第24-26页 |
| ·基于零空间的线性判别分析(NLDA)算法 | 第26-27页 |
| ·基于零空间的非线性判别分析(NKFDA)算法 | 第27-28页 |
| ·基于双特征的人脸识别 | 第28-33页 |
| ·LBP+NKFDA人脸识别算法 | 第29页 |
| ·GPPBTF+NKFDA人脸识别算法 | 第29-30页 |
| ·LBP模型和GPPBTF模型融合的人脸识别算法 | 第30-33页 |
| 3 基于多特征的人脸表情识别 | 第33-54页 |
| ·引言 | 第33-35页 |
| ·Cohn-Kanade人脸表情数据库 | 第35-36页 |
| ·表情识别的特征提取 | 第36-42页 |
| ·基于HOG的特征提取方法 | 第36-39页 |
| ·基于改进的PPBTF的特征提取方法 | 第39-42页 |
| ·单个分类器设计 | 第42-51页 |
| ·AdaBoost算法简介 | 第43-47页 |
| ·JointBoost算法简介 | 第47-50页 |
| ·JointBoost分类器用于表情识别 | 第50-51页 |
| ·多特征融合的表情识别 | 第51-54页 |
| ·融合法则 | 第51-53页 |
| ·多特征多分类器融合的表情识别 | 第53-54页 |
| 4 实验结果及分析 | 第54-64页 |
| ·人脸识别实验结果与分析 | 第54-59页 |
| ·FERET的评测系统流程和实验设计 | 第54-55页 |
| ·训练集、测试集的选择及参数设置 | 第55-56页 |
| ·实验结果和评价 | 第56-59页 |
| ·表情识别实验结果与分析 | 第59-64页 |
| ·训练集与测试集的选择 | 第59页 |
| ·HOG特征的参数选择 | 第59-60页 |
| ·分块大小的选择 | 第60-61页 |
| ·实验结果比较与评价 | 第61-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表学术论文情况 | 第69-70页 |
| 致谢 | 第70-72页 |
