基于视频的人脸表情识别技术研究
| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究背景目的和意义 | 第11-12页 |
| ·发展现状 | 第12-14页 |
| ·论文研究的主要内容 | 第14-16页 |
| ·论文的主要结构 | 第16-17页 |
| ·本章小结 | 第17-19页 |
| 第二章 人脸检测 | 第19-31页 |
| ·概述 | 第19-20页 |
| ·原理介绍 | 第20-26页 |
| ·哈尔特征 | 第20-22页 |
| ·积分图像 | 第22-24页 |
| ·自适应布斯特算法 | 第24-25页 |
| ·可变窗口与瀑布模型 | 第25-26页 |
| ·人脸库选择 | 第26-27页 |
| ·实验结果及其分析 | 第27-29页 |
| ·本章小结 | 第29-31页 |
| 第三章 表情状态图像及静态图的自动提取 | 第31-47页 |
| ·光流法简介 | 第32-36页 |
| ·光流方程 | 第32-33页 |
| ·Lucas-Kanade 方法 | 第33-35页 |
| ·图像金字塔 | 第35-36页 |
| ·Harris 角点检测 | 第36-37页 |
| ·角点检测 | 第36页 |
| ·Harris 角点算法 | 第36-37页 |
| ·人脸图像分割及能量图 | 第37-45页 |
| ·人脸图像的分割 | 第38-41页 |
| ·能量图 | 第41-42页 |
| ·状态数的确定 | 第42-43页 |
| ·状态图像及静态图的自动提取 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第四章 HMM 表情识别及实验结果 | 第47-61页 |
| ·隐马尔科夫模型 | 第47-53页 |
| ·HMM 模型介绍 | 第47-48页 |
| ·模型分类 | 第48-49页 |
| ·HMM 的基本问题 | 第49页 |
| ·HMM 识别算法 | 第49-53页 |
| ·HMM 模型的扩展 C 型 | 第53-54页 |
| ·动态特征提取 | 第54-57页 |
| ·特征点的确定 | 第54-55页 |
| ·特征值含义及特征点坐标 | 第55-56页 |
| ·特征值计算 | 第56-57页 |
| ·HMM 扩展 C 型的训练与表情识别 | 第57-59页 |
| ·实验结果 | 第59页 |
| ·本章小结 | 第59-61页 |
| 第五章 静态图像表情识别 | 第61-69页 |
| ·Gabor 滤波器 | 第61-64页 |
| ·Gabor 变换基本理论 | 第61-62页 |
| ·Gabor 滤波器特性 | 第62页 |
| ·Gabor 滤波器设计 | 第62-64页 |
| ·模板匹配 | 第64-65页 |
| ·K 近邻法分类 | 第65-66页 |
| ·欧氏距离 | 第65页 |
| ·K 近邻判别法 | 第65-66页 |
| ·识别过程 | 第66-67页 |
| ·实验结果 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 结论和展望 | 第69-73页 |
| 结论 | 第69-70页 |
| 展望 | 第70-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第77-79页 |
| 致谢 | 第79页 |
