| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究目的与意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-13页 |
| 1.2.1 国内外研究现状 | 第10-12页 |
| 1.2.2 国内外文献综述及简析 | 第12-13页 |
| 1.3 主要研究内容与结构安排 | 第13-16页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 结构安排 | 第14-16页 |
| 第2章 面部表情识别技术介绍 | 第16-31页 |
| 2.1 引言 | 第16页 |
| 2.2 表情数据库介绍 | 第16-18页 |
| 2.3 面部表情识别的主要步骤 | 第18页 |
| 2.4 表情特征提取方法介绍 | 第18-25页 |
| 2.4.1 局部二值模式 | 第18-21页 |
| 2.4.2 局部相位量化 | 第21页 |
| 2.4.3 方向梯度直方图 | 第21-23页 |
| 2.4.4 三正交平面的局部二值模式 | 第23-25页 |
| 2.4.5 三正交平面的局部相位量化 | 第25页 |
| 2.5 分类模型介绍 | 第25-30页 |
| 2.5.1 支持向量机 | 第25-29页 |
| 2.5.2 Softmax回归 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 人脸检测与预处理 | 第31-39页 |
| 3.1 引言 | 第31页 |
| 3.2 基于Haar-like特征和Adaboost级联的人脸检测 | 第31-36页 |
| 3.2.1 Haar-like特征的计算 | 第32-33页 |
| 3.2.2 Adaboost算法 | 第33-35页 |
| 3.2.3 Adaboost级联 | 第35页 |
| 3.2.4 检测结果 | 第35-36页 |
| 3.3 人脸表情图像的预处理 | 第36-38页 |
| 3.3.1 人脸图像的角度归一化 | 第36页 |
| 3.3.2 人脸图像的尺度归一化 | 第36-37页 |
| 3.3.3 人脸图像的灰度归一化 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于视频图像序列的动态表情识别 | 第39-48页 |
| 4.1 引言 | 第39页 |
| 4.2 动态表情特征提取 | 第39-41页 |
| 4.3 特征降维 | 第41-44页 |
| 4.3.1 主要成分分析 | 第41-42页 |
| 4.3.2 ReliefF特征选择算法 | 第42-43页 |
| 4.3.3 结合PCA和ReliefF的特征选择算法 | 第43-44页 |
| 4.4 实验结果与分析 | 第44-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第5章 基于视频序列的实时精细的面部表情识别 | 第48-60页 |
| 5.1 引言 | 第48页 |
| 5.2 视频图像序列的实时预处理 | 第48-52页 |
| 5.2.1 时空上下文目标追踪算法 | 第48-51页 |
| 5.2.2 基于时空上下文的瞳孔追踪 | 第51-52页 |
| 5.3 子块特征自适应加权 | 第52-53页 |
| 5.4 SVM概率模型 | 第53-54页 |
| 5.5 实验结果与分析 | 第54-58页 |
| 5.5.1 表情识别结果分析 | 第54-56页 |
| 5.5.2 表情强度分析 | 第56-58页 |
| 5.6 本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间取得的科研成果 | 第66-68页 |
| 致谢 | 第68页 |