| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 本文结构 | 第14页 |
| 1.5 本章小结 | 第14-16页 |
| 第二章 面部表情识别理论概述 | 第16-30页 |
| 2.1 图像预处理 | 第16-21页 |
| 2.1.1 人脸检测算法 | 第16-19页 |
| 2.1.2 图像去噪 | 第19-21页 |
| 2.1.3 最近邻插值法 | 第21页 |
| 2.2 表情特征提取 | 第21-25页 |
| 2.2.1 特征提取概述 | 第21-22页 |
| 2.2.2 降维特征提取方法 | 第22-24页 |
| 2.2.3 局部特征提取方法 | 第24-25页 |
| 2.3 相关实验 | 第25-29页 |
| 2.3.1 JAFFE人脸表情库实验 | 第25-27页 |
| 2.3.2 BU-depth表情深度库实验 | 第27页 |
| 2.3.3 CNCLab人脸表情库实验 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 表情特征提取 | 第30-42页 |
| 3.1 传统的特征提取算法 | 第30-32页 |
| 3.1.1 LBP算法 | 第30-32页 |
| 3.1.2 LPP算法 | 第32页 |
| 3.2 LBP和SLPP相结合的算法 | 第32-35页 |
| 3.3 相关实验 | 第35-40页 |
| 3.3.1 CASIA-3DFace表情深度库实验 | 第35-37页 |
| 3.3.2 BU-depth表情深度库实验 | 第37-38页 |
| 3.3.3 CNCLab人脸表情库实验 | 第38-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 表情特征分类 | 第42-50页 |
| 4.1 决策树算法 | 第42页 |
| 4.2 Bagging算法 | 第42-43页 |
| 4.3 随机森林算法 | 第43-45页 |
| 4.3.1 随机森林算法原理 | 第43-44页 |
| 4.3.2 投票决策与随机森林相结合的分类方法 | 第44-45页 |
| 4.3.3 特征融合与随机森林相结合的分类方法 | 第45页 |
| 4.4 相关实验 | 第45-48页 |
| 4.4.1 CASIA-3DFace表情深度库实验 | 第45-47页 |
| 4.4.2 BU-depth表情深度库实验 | 第47-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第五章 网络教学面部表情分析系统 | 第50-64页 |
| 5.1 网络教学面部表情分析系统概述 | 第50-55页 |
| 5.1.1 网络教学简介 | 第50-51页 |
| 5.1.2 需求分析 | 第51-52页 |
| 5.1.3 系统介绍 | 第52-55页 |
| 5.2 系统功能实现 | 第55-61页 |
| 5.2.1 用户注册、登陆 | 第55-56页 |
| 5.2.2 课程查询 | 第56-57页 |
| 5.2.3 网络学习 | 第57页 |
| 5.2.4 学习效果查询 | 第57-58页 |
| 5.2.5 个人信息查询与个性化定制 | 第58-59页 |
| 5.2.6 系统管理 | 第59页 |
| 5.2.7 面部表情识别反馈 | 第59-61页 |
| 5.3 系统平台 | 第61-62页 |
| 5.4 本章小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 攻读学位期间发表论文 | 第72页 |