| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 课题背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 人脸检测与定位研究现状 | 第13-14页 |
| 1.2.2 人脸表情特征提取方法的研究现状 | 第14-15页 |
| 1.2.3 表情识别方法研究现状 | 第15-16页 |
| 1.2.4 多特征融合表情识别的研究现状 | 第16-17页 |
| 1.2.5 现有的人脸表情数据集 | 第17-18页 |
| 1.3 人脸表情识别的难点 | 第18-19页 |
| 1.4 本文的研究内容与主要工作 | 第19页 |
| 1.5 本文的结构安排 | 第19-21页 |
| 第二章 人脸表情图像的预处理和特征提取 | 第21-31页 |
| 2.1 彩色图像转化为灰度图像 | 第21-22页 |
| 2.2 人脸检测与定位 | 第22-23页 |
| 2.3 人脸表情图像的尺寸归一化 | 第23-24页 |
| 2.4 人脸表情图像的灰度均衡化 | 第24-26页 |
| 2.5 基于GABOR小波的人脸表情特征提取 | 第26-30页 |
| 2.5.1 GABOR小波变换原理 | 第26-28页 |
| 2.5.2 GABOR小波特征提取 | 第28-30页 |
| 2.6 全局位置信息的提取 | 第30页 |
| 2.7 本章小结 | 第30-31页 |
| 第三章 可鉴别的多特征联合稀疏表示人脸表情识别方法 | 第31-44页 |
| 3.1 概述 | 第31-32页 |
| 3.2 可鉴别多特征联合稀疏表示的表情识别 | 第32-39页 |
| 3.2.1 可鉴别字典 | 第33-36页 |
| 3.2.2 多特征联合稀疏表示求解优化算法 | 第36-38页 |
| 3.2.3 时间复杂度分析 | 第38-39页 |
| 3.3 实验和结果 | 第39-42页 |
| 3.3.1 数据集和实验建立 | 第39-40页 |
| 3.3.2 人脸检测以及预处理 | 第40页 |
| 3.3.3 参数λ_1、λ_2和步长η的选择 | 第40页 |
| 3.3.4 实验结果与分析 | 第40-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 基于局部可鉴别性和代价敏感Adaboost的人脸表情集成识别方法 | 第44-55页 |
| 4.1 概述 | 第44-45页 |
| 4.2 局部可鉴别性和代价敏感Adaboost的表情识别方法 | 第45-49页 |
| 4.2.1 基于局部可鉴别的弱分类器选择方法 | 第45-47页 |
| 4.2.2 基于代价敏感的权重更新方法 | 第47-49页 |
| 4.3 融合局部可鉴别和代价敏感Adaboost的表情集成识别方法 | 第49-50页 |
| 4.4 实验建立与结果分析 | 第50-54页 |
| 4.4.1 数据集介绍 | 第50页 |
| 4.4.2 参数选择 | 第50-51页 |
| 4.4.3 实验结果 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 表情识别原型系统的设计与实现 | 第55-64页 |
| 5.1 引言 | 第55页 |
| 5.2 系统的功能分析 | 第55-56页 |
| 5.3 系统的总体框架 | 第56页 |
| 5.4 人脸表情识别原型系统实现介绍 | 第56-63页 |
| 5.4.1 系统的软硬件环境 | 第56-57页 |
| 5.4.2 系统的核心类设计 | 第57-59页 |
| 5.4.3 原型系统设计概况 | 第59-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 工作总结 | 第64页 |
| 6.2 下一步展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间已发表的论文 | 第73页 |
