| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-20页 |
| ·研究背景及意义 | 第9-12页 |
| ·人脸表情的自然相似性 | 第10-11页 |
| ·脸部编码系统（FACS） | 第11页 |
| ·研究意义 | 第11-12页 |
| ·人脸检测技术的难点和国内外发展概况 | 第12-16页 |
| ·人脸检测技术的难点 | 第12-14页 |
| ·人脸检测识别的国内外发展概况 | 第14-16页 |
| ·表情识别技术国内外发展概况 | 第16-18页 |
| ·表情识别技术的难点 | 第16-17页 |
| ·表情识别的国内外发展概况 | 第17-18页 |
| ·本文主要内容及章节安排 | 第18-20页 |
| 2 基于NPD特征的级联AdaBoost人脸检测方法 | 第20-34页 |
| ·引言 | 第20页 |
| ·Viola-Jones人脸检测算法 | 第20-25页 |
| ·积分图 | 第20-21页 |
| ·AdaBoost算法 | 第21-24页 |
| ·级联结构 | 第24-25页 |
| ·其他人脸检测算法 | 第25-28页 |
| ·特征提取算法 | 第25-27页 |
| ·特征分类算法 | 第27-28页 |
| ·NPD特征 | 第28-29页 |
| ·级联AdaBoost提升算法 | 第29-31页 |
| ·实验结果 | 第31-33页 |
| ·总结 | 第33-34页 |
| 3 基于Gabor特征及SVM分类的表情识别方法 | 第34-47页 |
| ·引言 | 第34页 |
| ·人脸表情识别方法 | 第34-35页 |
| ·Gabor小波特征 | 第35-38页 |
| ·SVM支持向量机算法 | 第38-43页 |
| ·间隔距离 | 第38-39页 |
| ·线性可分的情况 | 第39-41页 |
| ·线性不可分的情况 | 第41-43页 |
| ·基于人脸特征点位置的表情识别 | 第43-45页 |
| ·实验结果 | 第45-46页 |
| ·总结 | 第46-47页 |
| 4. 基于CUDA的Gabor特征提取方法 | 第47-51页 |
| ·引言 | 第47页 |
| ·GPU及通用计算 | 第47-49页 |
| ·CUDA架构 | 第49-50页 |
| ·CUDA架构的使用 | 第49-50页 |
| ·CUDA的应用 | 第50页 |
| ·算法实现 | 第50-51页 |
| ·实验结果 | 第51页 |
| ·总结 | 第51页 |
| 5 全文工作总结与展望 | 第51-52页 |
| 参考文献 | 第52-55页 |