首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

智能服务机器人表情识别技术研究

摘要第4-6页
Abstract第6-7页
第1章 绪论第14-35页
    1.1 选题背景及意义第14-16页
    1.2 面部表情识别研究现状第16-29页
        1.2.1 特征提取第17-20页
        1.2.2 特征选择第20-23页
        1.2.3 分类器研究第23-26页
        1.2.4 存在问题第26-28页
        1.2.5 测试数据库及类别第28-29页
    1.3 仿人头部智能机器人研究现状第29-32页
    1.4 机器人表情交互关键问题第32-33页
    1.5 本文主要研究内容第33-35页
第2章 人脸自动提取及C-LBP表征第35-59页
    2.1 引言第35页
    2.2 表情区域自动提取第35-40页
        2.2.1 Haar-like级联分类器的人脸检测第36-37页
        2.2.2 ASM人脸区域自动提取第37-39页
        2.2.3 面部表情单元组合第39-40页
    2.3 C-LBP表情特征第40-46页
        2.3.1 二值模式(LBP)表征第40-41页
        2.3.2 改进LBP算子第41-42页
        2.3.3 C-LBP算子第42-45页
        2.3.4 最近邻分类器第45-46页
    2.4 实验结果及分析第46-57页
        2.4.1 基于近邻分类器依赖主体交叉验证实验第46-53页
        2.4.2 基于近邻分类器独立主体交叉验证实验第53-57页
    2.5 本章小结第57-59页
第3章 无监督学习LBP特征选择方法第59-86页
    3.1 引言第59页
    3.2 流形学习算法第59-63页
        3.2.1 Isomap第59-61页
        3.2.2 LLE第61-62页
        3.2.3 LE第62-63页
    3.3 基于无监督学习的LBP特征选择第63-71页
        3.3.1 局部保留投影映射第63-65页
        3.3.2 基于Chi方统计的无监督特征选择第65-68页
        3.3.3 支持向量机第68-69页
        3.3.4 无监督特征选择的表情识别算法第69-71页
    3.4 实验结果及分析第71-85页
        3.4.1 LBP特征选择实验第71-73页
        3.4.2 基于NN依赖主体交叉验证实验第73-76页
        3.4.3 基于SVMs依赖主体交叉验证实验第76-79页
        3.4.4 结果分析第79-85页
    3.5 本章小结第85-86页
第4章 矩阵回归分析表情分类器第86-112页
    4.1 引言第86-87页
    4.2 基于降维技术的分类器第87-92页
        4.2.1 线性降维算法第87-89页
        4.2.2 基于核空间的降维算法第89-92页
    4.3 矩阵回归表情识别分类器第92-98页
        4.3.1 LDA及KLDA第92-94页
        4.3.2 矩阵回归分析分类器第94-96页
        4.3.3 表情识别算法流程第96-98页
    4.4 实验结果及分析第98-110页
        4.4.1 特征选择实验第98-99页
        4.4.2 矩阵回归分析实验第99-101页
        4.4.3 结果分析第101-110页
    4.5 本章小结第110-112页
第5章 智能机器人表情识别仿生头部实验系统第112-135页
    5.1 引言第112页
    5.2 机器人仿生头部系统第112-117页
        5.2.1 仿生机构第114-115页
        5.2.2 实体系统第115-116页
        5.2.3 头部机构特征控制第116-117页
    5.3 真实环境表情识别系统实验第117-130页
        5.3.1 表情识别实验组成及流程第118-119页
        5.3.2 人脸区域自动提取实验第119-121页
        5.3.3 识别实验及结果分析第121-130页
    5.4 仿人机器人头部机构表情再现第130-134页
        5.4.1 表情识别交互策略第130-131页
        5.4.2 表情再现系统构成第131-132页
        5.4.3 表情再现实验第132-134页
    5.5 本章小结第134-135页
结论与展望第135-138页
参考文献第138-154页
攻读学位期间发表的学术论文第154-156页
致谢第156-157页
个人简历第157页

论文共157页,点击 下载论文
上一篇:微波介质薄膜材料的应用研究
下一篇:民国山西的土盐经济与地方社会