| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外研究动态 | 第10-13页 |
| 1.2.1 表情识别的发展历程 | 第10-11页 |
| 1.2.2 面部关键点检测 | 第11页 |
| 1.2.3 关键子区域的确定 | 第11-12页 |
| 1.2.4 表情特征提取 | 第12-13页 |
| 1.2.5 表情识别分类器 | 第13页 |
| 1.3 人脸表情识别系统的总体结构 | 第13-14页 |
| 1.4 本文主要研究内容与结构安排 | 第14-16页 |
| 第2章 基于DPM与AAM的面部关键点检测 | 第16-36页 |
| 2.1 VJ人脸检测技术 | 第16-18页 |
| 2.1.1 Haar-like特征提取 | 第16-17页 |
| 2.1.2 AdaBoost级联分类器的生成 | 第17-18页 |
| 2.2 DPM概述 | 第18-24页 |
| 2.2.1 HOG特征金字塔的生成 | 第18-21页 |
| 2.2.2 滤波器 | 第21-22页 |
| 2.2.3 DPM建模 | 第22页 |
| 2.2.4 DPM模型的训练 | 第22-24页 |
| 2.3 AAM概述 | 第24-30页 |
| 2.3.1 构建AAM模型 | 第24-27页 |
| 2.3.2 AAM模型的拟合 | 第27-28页 |
| 2.3.3 AAM拟合的快速算法 | 第28-30页 |
| 2.4 基于DPM与AAM的关键点检测 | 第30-35页 |
| 2.4.1 当前关键点检测方法存在的问题 | 第30-32页 |
| 2.4.2 DPM初定位的实现 | 第32-34页 |
| 2.4.3 AAM精确定位的实现 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 关键子区域选取及表情特征提取 | 第36-46页 |
| 3.1 运动编码系统(FacialActionCodingSystem) | 第36-37页 |
| 3.2 视觉显著性原理 | 第37-40页 |
| 3.2.1 强度显著图 | 第37-38页 |
| 3.2.2 方向显著图 | 第38-39页 |
| 3.2.3 颜色显著图 | 第39页 |
| 3.2.4 综合显著图 | 第39-40页 |
| 3.3 关键子区域的选取 | 第40页 |
| 3.4 基于LGC的LMGC-HD特征的提取 | 第40-45页 |
| 3.4.1 LBP算法原理 | 第40-42页 |
| 3.4.2 LGC算法原理 | 第42-43页 |
| 3.4.3 LMGC-HD算子 | 第43-44页 |
| 3.4.4 特征生成 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 基于关键子区域特征提取的面部表情识别系统的实现 | 第46-54页 |
| 4.1 SVM的分类原理 | 第46-50页 |
| 4.1.1 线性支持向量机 | 第46-48页 |
| 4.1.2 非线性支持向量机 | 第48-49页 |
| 4.1.3 多分类支持向量机 | 第49-50页 |
| 4.2 表情识别系统的实现 | 第50-53页 |
| 4.2.1 数据库的选取及实验环境简介 | 第50-51页 |
| 4.2.2 实验描述 | 第51-52页 |
| 4.2.3 实验结果分析 | 第52-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第5章 结论与展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-59页 |
| 致谢 | 第59页 |