| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景和意义 | 第9-10页 |
| ·人脸表情识别技术的研究现状 | 第10-13页 |
| ·国外研究现状 | 第10-12页 |
| ·国内研究现状 | 第12-13页 |
| ·本文的研究内容和结构 | 第13-14页 |
| ·研究内容 | 第13-14页 |
| ·本文章节安排 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第2章 人脸表情识别方法 | 第15-24页 |
| ·人脸表情识别系统 | 第15-16页 |
| ·人脸检测 | 第16-17页 |
| ·基于统计学习的人脸检测 | 第16-17页 |
| ·基于知识建模的人脸检测 | 第17页 |
| ·面部特征提取 | 第17-19页 |
| ·表情识别 | 第19-21页 |
| ·概述 | 第19-20页 |
| ·表情分类方法 | 第20-21页 |
| ·表情数据库的选取 | 第21-22页 |
| ·表情识别的难点 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 人脸检测 | 第24-37页 |
| ·灰度图像人脸检测原理 | 第24页 |
| ·改进的最大类间方差阈值分割法 | 第24-26页 |
| ·形态学处理 | 第26-30页 |
| ·膨胀 | 第26-27页 |
| ·腐蚀 | 第27-28页 |
| ·开运算和闭运算 | 第28-30页 |
| ·人脸区域的初步检测 | 第30-31页 |
| ·眼睛定位 | 第31-35页 |
| ·灰度积分投影法 | 第31页 |
| ·灰度微分投影法 | 第31-32页 |
| ·混合投影法 | 第32-35页 |
| ·尺寸归一化 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于LBP的表情特征提取 | 第37-48页 |
| ·纹理特征提取 | 第37-38页 |
| ·局域二值模式 | 第38-41页 |
| ·LBP方法在人脸特征描述中的应用 | 第41-42页 |
| ·表情特征的提取 | 第42-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于SVM和Adaboost融合算法的人脸表情识别 | 第48-65页 |
| ·Adaboost算法介绍 | 第48-51页 |
| ·Boosting算法背景 | 第48页 |
| ·Adaboost算法的提出 | 第48-50页 |
| ·Adaboost算法的训练误差 | 第50-51页 |
| ·SVM算法介绍 | 第51-56页 |
| ·统计学习理论 | 第51-53页 |
| ·SVM原理 | 第53-56页 |
| ·SVM与Adaboost算法的融合 | 第56-58页 |
| ·SVM和Adaboost融合算法在表情识别中的应用 | 第58-59页 |
| ·SVM用于多分类 | 第58页 |
| ·核函数以及参数的确定 | 第58-59页 |
| ·实验设计和结果分析 | 第59-64页 |
| ·本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| ·总结 | 第65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间发表的论文 | 第74页 |