| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 人脸表情识别研究背景 | 第10-11页 |
| 1.2 人脸表情识别研究意义 | 第11-12页 |
| 1.3 人脸表情识别的研究现状 | 第12-19页 |
| 1.3.1 人脸表情特征提取研究现状 | 第12-15页 |
| 1.3.2 人脸表情特征分类研究现状 | 第15-17页 |
| 1.3.3 人脸表情数据库现状 | 第17-19页 |
| 1.4 本文的研究主要内容 | 第19-20页 |
| 1.5 本文的章节安排 | 第20-21页 |
| 第二章 人脸表情识别技术研究 | 第21-26页 |
| 2.1 面部运动编码系统 | 第21-23页 |
| 2.2 面部表情区域选择与组合 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 面部表情图像的检测与预处理 | 第26-42页 |
| 3.1 人脸检测 | 第26-30页 |
| 3.1.1 Haar-like特征提取 | 第26-29页 |
| 3.1.2 基于Adaboost人脸检测分类器构建 | 第29-30页 |
| 3.2 基于ASM的双目定位 | 第30-35页 |
| 3.2.1 全局形状模型 | 第31-33页 |
| 3.2.2 局部灰度模型 | 第33-34页 |
| 3.2.3 搜索匹配 | 第34-35页 |
| 3.3 面部图像预处理 | 第35-41页 |
| 3.3.1 角度旋转归一化 | 第35-36页 |
| 3.3.2 剪裁处理 | 第36-37页 |
| 3.3.3 尺度归一化 | 第37-39页 |
| 3.3.4 直方图均衡化 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于组合特征的人脸表情识别算法研究 | 第42-66页 |
| 4.1 基于关键点的LBP特征提取 | 第42-47页 |
| 4.1.1 原始LBP算子 | 第42-43页 |
| 4.1.2 圆形邻域LBP算子 | 第43-44页 |
| 4.1.3 LBP算子Uniform模式 | 第44-45页 |
| 4.1.4 关键块特征提取 | 第45-47页 |
| 4.2 面部表情特征组合 | 第47-51页 |
| 4.2.1 多任务学习与单任务学习的基本理论 | 第47-50页 |
| 4.2.2 面部关键块的选择与组合 | 第50-51页 |
| 4.3 面部表情特征分类 | 第51-54页 |
| 4.3.1 支持向量机的二分类问题 | 第52-53页 |
| 4.3.2 支持向量机的多分类问题 | 第53-54页 |
| 4.4 实验结果分析 | 第54-65页 |
| 4.4.1 CK+表情库实验结果及分析 | 第54-60页 |
| 4.4.2 MMI表情库实验结果及分析 | 第60-62页 |
| 4.4.3 Oulu_CASIA表情库实验结果及分析 | 第62-64页 |
| 4.4.4 模拟环境测试分析 | 第64-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 工作总结 | 第66页 |
| 5.2 工作展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间取得的成果 | 第73-74页 |