| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-17页 |
| ·研究背景及意义 | 第8-10页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·国内外现状 | 第10-14页 |
| ·概述 | 第10-11页 |
| ·人脸检测 | 第11-13页 |
| ·表情特征提取 | 第13页 |
| ·表情分类识别 | 第13-14页 |
| ·存在的主要问题 | 第14-15页 |
| ·研究内容与章节安排 | 第15-17页 |
| 第二章 新生儿面部的检测与跟踪 | 第17-38页 |
| ·概述 | 第17-19页 |
| ·基于Adaboost算法的脸部检测 | 第19-21页 |
| ·非对称的Haar-like特征 | 第19-20页 |
| ·弱分类器选取 | 第20-21页 |
| ·基于光流法与卡尔曼滤波的脸部跟踪 | 第21-37页 |
| ·光流法简介 | 第21-26页 |
| ·角点检测 | 第26-31页 |
| ·卡尔曼滤波 | 第31-34页 |
| ·结合L-K光流法与卡尔曼滤波的新生儿脸部跟踪 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 基于LBP-top的新生儿疼痛表情特征提取 | 第38-52页 |
| ·表情库的建立 | 第38-45页 |
| ·视频的获取 | 第38页 |
| ·图像的预处理 | 第38-44页 |
| ·表情样本库 | 第44-45页 |
| ·LBP-top | 第45-50页 |
| ·LBP算子 | 第45-46页 |
| ·改进的LBP算子 | 第46-49页 |
| ·LBP-top算子 | 第49-50页 |
| ·基于分块LBP-top的新生儿面部特征提取 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 新生儿疼痛表情的分类识别 | 第52-57页 |
| ·支持向量机理论 | 第52-54页 |
| ·线性支持向量机 | 第52-53页 |
| ·非线性支持向量机 | 第53-54页 |
| ·多分类支持向量机 | 第54页 |
| ·核函数及其参数 | 第54页 |
| ·改进的网格搜索寻优法 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 实验结果展示与分析 | 第57-63页 |
| ·软硬件平台 | 第57-58页 |
| ·可视化结果展示 | 第58-61页 |
| ·结果分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 附录1 攻读硕士学位期间参加的科研项目 | 第68页 |