| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-13页 |
| 1.1 课题研究的背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 单张图像人脸表情识别研究现状 | 第9-10页 |
| 1.2.2 视频人脸表情识别研究现状 | 第10-11页 |
| 1.3 人脸表情识别研究存在的问题 | 第11页 |
| 1.4 论文主要内容及章节安排 | 第11-13页 |
| 2 视频人脸表情识别系统功能设计与框架结构构建 | 第13-17页 |
| 2.1 人脸表情识别概述 | 第13-14页 |
| 2.2 视频人脸表情识别系统功能设计 | 第14页 |
| 2.3 视频人脸表情识别系统框架和开发环境 | 第14-16页 |
| 2.4 本章小结 | 第16-17页 |
| 3 人脸表情图像的自适应采集与预处理的实现及鲁棒性分析 | 第17-30页 |
| 3.1 视频人脸表情图像的自适应采集 | 第17-21页 |
| 3.1.1 Adaboost分类器 | 第17-18页 |
| 3.1.2 基于积分图法的Haar-like特征 | 第18-21页 |
| 3.2 人脸表情图像的预处理 | 第21-29页 |
| 3.2.1 人眼定位 | 第21-24页 |
| 3.2.2 人脸分割 | 第24-25页 |
| 3.2.3 几何归一化 | 第25-26页 |
| 3.2.4 灰度预处理 | 第26-29页 |
| 3.3 图像采集和预处理对鲁棒性影响的分析 | 第29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 基于人脸关键点重分配的加权Gabor特征提取及降维 | 第30-48页 |
| 4.1 人脸图像的Gabor特征 | 第30-32页 |
| 4.1.1 2D Gabor滤波原理 | 第30-31页 |
| 4.1.2 用于人脸表情的Gabor特征表示 | 第31-32页 |
| 4.2 基于主动形状模型ASM的人脸关键点定位 | 第32-37页 |
| 4.2.1 主动形状模型的训练 | 第33-36页 |
| 4.2.2 主动形状模型的搜索 | 第36-37页 |
| 4.3 人脸关键点的重分配和人脸关键点定位方法的改进 | 第37-42页 |
| 4.3.1 现有人脸关键点分配策略与ASM存在的问题 | 第38-39页 |
| 4.3.2 人脸关键点的重分配和人脸关键点定位方法的改进 | 第39-42页 |
| 4.4 基于人脸关键点定位的Gabor特征提取与有机降维方法的设计与实现 | 第42-44页 |
| 4.4.1 直接对图像做Gabor特征提取存在的问题 | 第42-43页 |
| 4.4.2 适用于表情识别的不同尺度多方向Gabor特征的有机降维 | 第43-44页 |
| 4.5 实验描述与结果分析 | 第44-47页 |
| 4.5.1 实验描述 | 第44-47页 |
| 4.5.2 实验结果分析 | 第47页 |
| 4.6 本章小结 | 第47-48页 |
| 5 人脸表情特征分类器的设计与实现 | 第48-61页 |
| 5.1 SVM | 第48-53页 |
| 5.1.1 分类面选取 | 第48-50页 |
| 5.1.2 线性分类 | 第50-52页 |
| 5.1.3 支持向量机 | 第52页 |
| 5.1.4 核函数 | 第52-53页 |
| 5.2 多分类SVM | 第53-54页 |
| 5.3 基于1对多与2对2相结合的SVM的6分类表情分类器设计与实现 | 第54-56页 |
| 5.4 系统测试与结果分析 | 第56-60页 |
| 5.4.1 实验描述 | 第56-58页 |
| 5.4.2 对无遮挡图像测试的实验结果与分析 | 第58-59页 |
| 5.4.3 对部分遮挡图像的鲁棒性测试实验结果与分析 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-69页 |
