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

基于高精度数字图像相关方法的面部表情变形测量研究

中文摘要第4-5页
ABSTRACT第5页
字母注释表第13-14页
第一章 绪论第14-20页
    1.1 课题背景及意义第14-16页
        1.1.1 人脸面部表情的研究及应用第14-15页
        1.1.2 数字图像相关方法的研究及应用第15-16页
    1.2 国内外研究现状第16-18页
        1.2.1 人脸面部表情的研究现状第16页
        1.2.2 数字图像相关方法的研究现状第16-18页
    1.3 本文研究工作的主要内容第18-20页
第二章 数字图像相关方法测量精度研究第20-30页
    2.1 数字图像相关方法与双目立体视觉的基本理论第20-23页
        2.1.1 数字图像相关方法基本理论第20-21页
        2.1.2 双目立体视觉原理第21-23页
    2.2 误差理论模型的建立第23-24页
    2.3 散斑图质量评价标准的提出第24-27页
    2.4 散斑图质量评价标准的实验验证第27-29页
    2.5 本章小结第29-30页
第三章 面部普通表情变形测量研究第30-53页
    3.1 实验过程与表情诱发方法第30-34页
        3.1.1 实验过程第30-31页
        3.1.2 表情诱发方法第31-32页
        3.1.3 系统标定第32-34页
    3.2 不同参数的选择对实验结果的影响研究第34-37页
        3.2.1 相关函数的选择第34-36页
        3.2.2 子区大小的选择第36-37页
    3.3 刚体位移的消除第37-39页
        3.3.1 坐标变换基本原理第37页
        3.3.2 实验精度验证第37-39页
    3.4 普通表情特征与运动规律总结第39-44页
        3.4.1 高兴表情特征第39-40页
        3.4.2 愤怒表情特征第40-42页
        3.4.3 悲伤表情特征第42-43页
        3.4.4 恐惧表情特征第43-44页
    3.5 普通表情特征的局部分析第44-51页
        3.5.1 高兴表情的局部分析第44-46页
        3.5.2 愤怒表情的局部分析第46-48页
        3.5.3 悲伤表情的局部分析第48-50页
        3.5.4 恐惧表情的局部分析第50-51页
    3.6 本章小结第51-53页
第四章 面部微表情变形测量研究第53-68页
    4.1 实验过程及表情诱发方法第53-54页
        4.1.1 实验过程第53-54页
        4.1.2 表情诱发方法第54页
    4.2 微表情与普通表情的时间差异性第54-55页
    4.3 微表情与普通表情的运动幅度差异性第55-61页
        4.3.1 高兴微表情特征第55-57页
        4.3.2 愤怒微表情特征第57-58页
        4.3.3 悲伤微表情特征第58-59页
        4.3.4 恐惧微表情特征第59-61页
    4.4 微表情特征的局部分析第61-67页
        4.4.1 高兴微表情局部分析第61-62页
        4.4.2 愤怒微表情局部分析第62-64页
        4.4.3 悲伤微表情局部分析第64-65页
        4.4.4 恐惧微表情局部分析第65-67页
    4.5 本章小结第67-68页
第五章 总结与展望第68-71页
    5.1 全文总结第68-69页
    5.2 工作展望第69-71页
参考文献第71-75页
发表论文和参加科研情况说明第75-76页
致谢第76-77页

论文共77页,点击 下载论文
上一篇:基于数据挖掘的校园网入侵检测系统研究与实现
下一篇:基于GIS的接入网号线资源管理系统的设计与实现