基于巡逻服务机器人平台的表情识别系统的设计与实现
| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 表情识别技术的国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究状况 | 第11-12页 |
| 1.2.2 国内研究状况 | 第12-13页 |
| 1.3 表情样本库的研究现状 | 第13-14页 |
| 1.4 论文的主要工作内容 | 第14-15页 |
| 1.5 本文的结构安排 | 第15-16页 |
| 第2章 系统相关理论技术与算法方案选择 | 第16-30页 |
| 2.1 巡逻服务机器人平台介绍 | 第16-17页 |
| 2.2 机器人平台的数据交互与相关技术 | 第17-20页 |
| 2.2.1 透传协议 | 第17-18页 |
| 2.2.2 图像数据编码技术 | 第18-19页 |
| 2.2.3 网络数据通信模型 | 第19-20页 |
| 2.3 表情识别理论及算法方案选择 | 第20-29页 |
| 2.3.1 图像预处理与人脸检测 | 第22-23页 |
| 2.3.2 表情特征提取 | 第23-26页 |
| 2.3.3 表情特征降维 | 第26-27页 |
| 2.3.4 表情分类训练 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 表情特征提取与算法设计 | 第30-47页 |
| 3.1 表情特征提取算法 | 第30-37页 |
| 3.1.1 Gabor变换 | 第30-32页 |
| 3.1.2 PCA特征降维 | 第32-35页 |
| 3.1.3 LDA的特征降维 | 第35-37页 |
| 3.2 特征提取与降维的处理流程 | 第37-39页 |
| 3.3 Gabor滤波器相关参数设计 | 第39-46页 |
| 3.3.1 中心频率f的设计 | 第39-40页 |
| 3.3.2 标准差σ与椭圆率γ的设计 | 第40页 |
| 3.3.3 滤波窗口大小的设计 | 第40-41页 |
| 3.3.4 Gabor滤波相关参数的实验与分析 | 第41-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 表情特征分类与算法设计 | 第47-63页 |
| 4.1 表情识别算法理论 | 第47-51页 |
| 4.1.1 支持向量机的算法理论 | 第47-50页 |
| 4.1.2 BP人工神经网络 | 第50-51页 |
| 4.2 基于支持向量机的表情识别 | 第51-58页 |
| 4.2.1 归一化样本矩阵 | 第52页 |
| 4.2.2 设置SVM训练参数 | 第52-53页 |
| 4.2.3 选择核函数模型 | 第53-54页 |
| 4.2.4 径向基核函数的参数设计 | 第54-55页 |
| 4.2.5 实验与分析 | 第55-58页 |
| 4.3 基于BP神经网络的表情识别 | 第58-62页 |
| 4.3.1 生成标签矩阵和权重矩阵 | 第58-59页 |
| 4.3.2 构建BP神经网络模型 | 第59-60页 |
| 4.3.3 实验与分析 | 第60-62页 |
| 4.4 本章小节 | 第62-63页 |
| 第5章 系统的设计与实现 | 第63-90页 |
| 5.1 需求分析与系统结构设计 | 第63-66页 |
| 5.1.1 需求分析 | 第63-64页 |
| 5.1.2 系统架构设计 | 第64-66页 |
| 5.2 系统开发技术 | 第66页 |
| 5.3 分类器管理子系统的设计与实现 | 第66-71页 |
| 5.4 人脸表情识别子系统的设计与实现 | 第71-80页 |
| 5.4.1 人脸表情识别子系统的结构设计 | 第72-73页 |
| 5.4.2 人脸检测模块的实现 | 第73-75页 |
| 5.4.3 特征提取与降维模块的实现 | 第75-76页 |
| 5.4.4 表情识别模块的实现 | 第76-80页 |
| 5.5 机器人视频监控与管理子系统的设计与实现 | 第80-82页 |
| 5.6 系统性能测试 | 第82-88页 |
| 5.6.1 系统测试环境 | 第82-83页 |
| 5.6.2 系统测试用例 | 第83-84页 |
| 5.6.3 光照敏感性能测试 | 第84-86页 |
| 5.6.4 自制表情样本对系统识别性能的影响测试 | 第86-87页 |
| 5.6.5 自定义表情样本库识别性能测试 | 第87-88页 |
| 5.7 系统性能分析 | 第88-89页 |
| 5.8 本章小结 | 第89-90页 |
| 第6章 总结与展望 | 第90-92页 |
| 6.1 总结 | 第90-91页 |
| 6.2 展望 | 第91-92页 |
| 参考文献 | 第92-96页 |
| 致谢 | 第96-97页 |
