基于人脸分区特征融合的表情识别算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-14页 |
| 1.2.1 国内外研究现状 | 第10-13页 |
| 1.2.2 国内外研究现状分析 | 第13-14页 |
| 1.3 主要研究内容与组织结构 | 第14-16页 |
| 1.3.1 主要研究内容及流程 | 第14-15页 |
| 1.3.2 论文组织结构 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 数据预处理 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 数据库介绍 | 第17-19页 |
| 2.3 人脸检测与特征点检测 | 第19-20页 |
| 2.4 基于灰度值的直方图均衡化 | 第20-21页 |
| 2.5 基于仿射变换的旋转校正 | 第21-24页 |
| 2.5.1 二维空间中点的旋转 | 第22-23页 |
| 2.5.2 人脸旋转校正 | 第23-24页 |
| 2.6 基于左眼位置的空间归一化 | 第24-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第3章 人脸分区选择算法 | 第27-33页 |
| 3.1 引言 | 第27页 |
| 3.2 人脸分区介绍 | 第27-28页 |
| 3.3 基于平均哈希的相似度计算 | 第28-30页 |
| 3.4 基于相似度的分区选择算法 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于卷积神经网络的人脸表情识别 | 第33-43页 |
| 4.1 引言 | 第33页 |
| 4.2 多表情识别卷积神经网络 | 第33-35页 |
| 4.2.1 卷积操作 | 第33-34页 |
| 4.2.2 卷积神经网络结构 | 第34-35页 |
| 4.3 基于多数投票的决策层融合 | 第35-36页 |
| 4.4 实验结果及分析 | 第36-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 基于支持向量机的人脸表情识别 | 第43-65页 |
| 5.1 引言 | 第43-44页 |
| 5.2 表情识别特征提取 | 第44-51页 |
| 5.2.1 LBP特征 | 第44-47页 |
| 5.2.2 HOG特征 | 第47-49页 |
| 5.2.3 Gabor特征 | 第49-51页 |
| 5.3 表情识别特征降维与融合 | 第51-57页 |
| 5.3.1 特征降维 | 第51-56页 |
| 5.3.2 基于串联的特征层融合 | 第56-57页 |
| 5.4 多表情识别支持向量机 | 第57-59页 |
| 5.4.1 线性可分支持向量机 | 第57-58页 |
| 5.4.2 多分类支持向量机 | 第58-59页 |
| 5.5 实验结果及分析 | 第59-64页 |
| 5.6 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第71-73页 |
| 致谢 | 第73页 |
