摘要 | 第4-6页 |
Abstract | 第6-8页 |
缩写词对照表 | 第15-17页 |
数学符号对照表 | 第17-18页 |
1 绪论 | 第18-37页 |
1.1 研究背景与意义 | 第18-19页 |
1.2 面部表情识别的国内外研究现状 | 第19-31页 |
1.2.1 概述 | 第19-22页 |
1.2.2 子空间分析方法的研究现状 | 第22-29页 |
1.2.3 数据库简介 | 第29-31页 |
1.3 面部表情识别存在的难点 | 第31-32页 |
1.4 本文的主要内容 | 第32-34页 |
1.5 章节安排 | 第34-37页 |
2 广义多重最大散布差算法(GMMSD) | 第37-55页 |
2.1 引言 | 第37页 |
2.2 GMMSD算法 | 第37-41页 |
2.2.1 GMMSD准则 | 第37-39页 |
2.2.2 基于GMMSD的特征提取步骤 | 第39-40页 |
2.2.3 GMMSD复杂度分析 | 第40-41页 |
2.3 GMMSD与其它特征提取算法的联系 | 第41-42页 |
2.3.1 GMMSD与N-LDA算法的联系 | 第41-42页 |
2.3.2 GMMSD与MMSD算法的联系 | 第42页 |
2.4 实验结果及分析 | 第42-54页 |
2.4.1 GMMSD vs. MMSD | 第43-45页 |
2.4.2 表情库中各算法特征提取性能分析 | 第45-47页 |
2.4.3 人脸库中各算法特征提取性能分析 | 第47-50页 |
2.4.4 计算复杂度对比与分析 | 第50-51页 |
2.4.5 GMMSD与其它算法的特征提取性能对比 | 第51-52页 |
2.4.6 讨论 | 第52-54页 |
2.5 本章小结 | 第54-55页 |
3 增量更新的广义多重最大散布差算法(IGMMSD+) | 第55-76页 |
3.1 引言 | 第55-56页 |
3.2 GMMSD+算法 | 第56-59页 |
3.2.1 模型表述 | 第56页 |
3.2.2 算法分析 | 第56-59页 |
3.3 增量更新步骤 | 第59-65页 |
3.3.1 添加新样本到存在的类别 | 第60-63页 |
3.3.2 添加新样本到新类别 | 第63-65页 |
3.4 复杂度分析 | 第65-66页 |
3.5 实验结果及分析 | 第66-75页 |
3.5.1 各算法的特征提取识别性能分析 | 第67-71页 |
3.5.2 增量型GMMSD+的训练性能 | 第71-75页 |
3.6 本章小结 | 第75-76页 |
4 多流形鉴别分析的表情特征提取算法(MMDA) | 第76-93页 |
4.1 引言 | 第76页 |
4.2 基于MMDA的面部表情识别算法 | 第76-84页 |
4.2.1 模型建立 | 第78-83页 |
4.2.2 分类器设计 | 第83-84页 |
4.3 基于MMDA的表情识别系统设计框架 | 第84-85页 |
4.4 实验结果及分析 | 第85-91页 |
4.4.1 显著区域检测 | 第85页 |
4.4.2 面部表情特征表示 | 第85-86页 |
4.4.3 特征提取性能分析 | 第86-91页 |
4.5 本章小结 | 第91-93页 |
5 二维多流形鉴别分析的表情特征提取算法(2DMMDA) | 第93-111页 |
5.1 引言 | 第93-94页 |
5.2 二维多流形鉴别分析算法 | 第94-105页 |
5.2.1 模型建立 | 第95-100页 |
5.2.2 算法步骤 | 第100-103页 |
5.2.3 2DMMDA与其它算法之间的联系 | 第103-104页 |
5.2.4 讨论 | 第104-105页 |
5.3 基于 2DMMDA的面部表情识别框架 | 第105页 |
5.4 实验结果及分析 | 第105-110页 |
5.4.1 2DMMDA的参数选择 | 第106-107页 |
5.4.2 特征提取性能分析 | 第107-109页 |
5.4.3 针对不同显著区域的表情识别性能分析 | 第109-110页 |
5.5 本章小结 | 第110-111页 |
6 总结与展望 | 第111-115页 |
6.1 工作总结 | 第111-113页 |
6.2 展望 | 第113-115页 |
参考文献 | 第115-124页 |
作者简介 | 第124-125页 |
在校期间发表的学术论文及参与的科研项目 | 第125-126页 |
致谢 | 第126页 |