基于HCBP及特征选择AdaBoost的人脸表情识别研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 1 绪论 | 第15-22页 |
| 1.1 课题背景与研究意义 | 第15-16页 |
| 1.2 课题研究现状 | 第16-17页 |
| 1.3 人脸表情识别概述 | 第17-20页 |
| 1.3.1 人脸表情识别流程 | 第17-18页 |
| 1.3.2 人脸表情数据库 | 第18-19页 |
| 1.3.3 人脸表情识别研究的难点 | 第19-20页 |
| 1.4 本文结构安排 | 第20-22页 |
| 2 人脸表情识别技术简介 | 第22-34页 |
| 2.1 人脸检测 | 第22-23页 |
| 2.2 图像预处理 | 第23-26页 |
| 2.2.1 直方图均衡化 | 第24-25页 |
| 2.2.2 中值滤波 | 第25页 |
| 2.2.3 几何变换 | 第25-26页 |
| 2.3 特征提取方法 | 第26-31页 |
| 2.3.1 基于静态图像的方法 | 第26-31页 |
| 2.3.2 基于图像序列的方法 | 第31页 |
| 2.4 分类器与分类器集成 | 第31-33页 |
| 2.4.1 分类器 | 第32-33页 |
| 2.4.2 分类器集成 | 第33页 |
| 2.5 本章小结 | 第33-34页 |
| 3 基于直方图加权HCBP的人脸表情识别 | 第34-46页 |
| 3.1 Haar型中心化二值模式 | 第35-38页 |
| 3.1.1 中心化二值模式 | 第35-36页 |
| 3.1.2 Haar型特征 | 第36-37页 |
| 3.1.3 HCBP特征 | 第37-38页 |
| 3.2 信息熵与直方图加权 | 第38-41页 |
| 3.2.1 信息熵 | 第38-39页 |
| 3.2.2 直方图加权 | 第39-41页 |
| 3.3 实验结果与分析 | 第41-45页 |
| 3.3.1 实验流程 | 第41页 |
| 3.3.2 参数选择 | 第41-42页 |
| 3.3.3 识别率及时间效率分析 | 第42-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4 基于特征选择AdaBoost的人脸表情识别 | 第46-63页 |
| 4.1 基于特征选择与排序的子空间 | 第47-50页 |
| 4.1.1 随机子空间 | 第47-48页 |
| 4.1.2 特征选择与排序 | 第48-49页 |
| 4.1.3 PCA特征选择 | 第49-50页 |
| 4.2 基于特征选择的AdaBoost分类器 | 第50-57页 |
| 4.2.1 AdaBoost算法与分析 | 第50-53页 |
| 4.2.2 AdaBoost.M1算法与改进 | 第53-55页 |
| 4.2.3 特征选择AdaBoost算法 | 第55-57页 |
| 4.3 实验与结果分析 | 第57-62页 |
| 4.3.1 实验参数选取 | 第57-59页 |
| 4.3.2 基于不同数据库的实验结果 | 第59-60页 |
| 4.3.3 基于不同算法的识别率分析 | 第60-62页 |
| 4.3.4 基于不同算法的识别时间分析 | 第62页 |
| 4.4 本章小结 | 第62-63页 |
| 5 总结与展望 | 第63-65页 |
| 5.1 论文研究总结 | 第63页 |
| 5.2 未来工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第69-70页 |
