基于几何特征和支持向量机的人脸表情识别研究

摘要	第1-5页
Abstract	第5-8页
第1章 绪论	第8-13页
·研究背景与意义	第8-9页
·国内外研究现状	第9-11页
·国内外对人脸识别技术的研究现状及主要问题	第9页
·国内外对人脸识别技术工作流程的研究及主要问题	第9-11页
·研究的主要内容及目标	第11-13页
·研究的主要内容	第11页
·研究目标	第11-13页
第2章 人脸识别技术的关键理论和技术	第13-16页
·人脸识别技术的技术原理	第13页
·特征提取及降维技术	第13-15页
·基于几何特征的特征提取技术	第13-14页
·基于运动的特征提取技术	第14-15页
·支持向量机技术(SVM)	第15-16页
第3章 人脸表情图像的预处理及特征提取	第16-25页
·人脸表情图像的预处理	第16-20页
·眼部肌肉群域的特征定位	第16-19页
·人脸图像的归一化处理	第19-20页
·人脸表情图像的特征提取	第20-23页
·面部结构的生理学解析	第20-21页
·面部表情的特点解析	第21-22页
·面部表情的几何特征提取	第22-23页
·进一步对提取的几何特征降维处理	第23-25页
第4章 基于支持向量机的人脸识别的多分类改进算法	第25-33页
·传统的对支持向量机多分类改进算法及评价	第25-27页
·“一对一”分类算法及评价	第25-26页
·“一对多”分类算法	第26-27页
·支持向量机多分类改进算法	第27-30页
·线性可分的凸二次规划	第27-28页
·软线性超平面的松弛变量	第28-29页
·非线性可分的线性转换	第29-30页
·空间转换中的内积运算函数替换	第30页
·基于决策树的支持向量机结构改进算法	第30-33页
第5章 人脸识别算法的实现与测评	第33-38页
·人脸识别算法的结构模块和工作流程	第33-34页
·人脸识别算法的功能实现	第34-37页
·光线补偿	第34-35页
·图像灰度化及均衡	第35-36页
·几何特征提取	第36页
·改进后基于决策树的支持向量机多分类工具	第36-37页
·测评结果与分析	第37-38页
第6章 结论与展望	第38-40页
·研究结论	第38-39页
·工作展望	第39-40页
参考文献	第40-42页
致谢	第42页