| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·引言 | 第7页 |
| ·课题背景及意义 | 第7-8页 |
| ·人脸表情识别技术的发展历史 | 第8-10页 |
| ·人脸表情识别技术的发展及现状 | 第8-9页 |
| ·人脸表情识别的难点 | 第9-10页 |
| ·本文的研究工作 | 第10-11页 |
| ·各章安排 | 第11-13页 |
| 第二章 人脸表情识别技术综述 | 第13-19页 |
| ·人脸表情识别的基本理论 | 第13-16页 |
| ·人脸表情特征提取的主要方法 | 第13-15页 |
| ·人脸表情分类的主要方法 | 第15-16页 |
| ·人脸表情识别的流程框架 | 第16-17页 |
| ·常用人脸表情数据库 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 人脸检测与表情图像预处理 | 第19-29页 |
| ·人脸检测与定位 | 第19-23页 |
| ·人脸检测方法的分类 | 第19-20页 |
| ·本文使用的人脸检测方法 | 第20-23页 |
| ·表情图像预处理 | 第23-28页 |
| ·表情图像尺度归一化 | 第24-27页 |
| ·表情图像灰度均衡化 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 基于二维 Gabor 小波变换和分类树的人脸表情识别 | 第29-51页 |
| ·二维 Gabor 小波变换 | 第29-33页 |
| ·二维 Gabor 小波变换的基本原理 | 第29-30页 |
| ·人脸表情图像网格化 | 第30-31页 |
| ·基于二维 Gabor 小波变换的特征提取 | 第31-33页 |
| ·特征降维 | 第33-34页 |
| ·特征降维的作用 | 第33页 |
| ·特征降维的方法 | 第33-34页 |
| ·基于频率优选的 Gabor 小波特征提取 | 第34-37页 |
| ·Gabor 小波频率与人脸面部特征的关系 | 第34-36页 |
| ·频率优选的 Gabor 小波特征提取方法 | 第36-37页 |
| ·基于弹性模板匹配和改进的 K 近邻算法的表情分类 | 第37-40页 |
| ·弹性模板匹配 | 第37-38页 |
| ·改进的 K 近邻算法 | 第38-39页 |
| ·表情分类过程 | 第39-40页 |
| ·实验结果分析 | 第40-49页 |
| ·二维 Gabor 小波变换提取表情特征的可行性分析 | 第40-44页 |
| ·频率优选的 Gabor 小波变换提取易混淆表情特征分析 | 第44-45页 |
| ·网格化粒度以及表情区域尺寸对识别率的影响分析 | 第45-47页 |
| ·本文提出的表情识别算法的优势分析 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 基于视频流的人脸表情识别系统的实现 | 第51-59页 |
| ·系统的总体框架 | 第51-52页 |
| ·系统的设计与实现 | 第52-53页 |
| ·系统的软硬件环境 | 第52-53页 |
| ·系统主要类的实现 | 第53页 |
| ·系统的功能分析 | 第53-57页 |
| ·系统基本功能描述 | 第53-56页 |
| ·影响系统性能的主要因素 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 第六章 总结和展望 | 第59-61页 |
| ·论文工作总结 | 第59-60页 |
| ·工作展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 硕士在读期间的研究成果 | 第67-68页 |
