| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·课题的研究意义 | 第7页 |
| ·驾驶疲劳检测技术研究现状 | 第7-9页 |
| ·国外研究状况 | 第7-8页 |
| ·国内研究状况 | 第8-9页 |
| ·本文的主要工作 | 第9页 |
| ·本文的内容安排 | 第9-11页 |
| 2 人脸表情识别 | 第11-19页 |
| ·人脸表情识别的研究内容 | 第11-12页 |
| ·人脸表情识别研究现状 | 第12-17页 |
| ·人脸表情识别的难点 | 第17-19页 |
| 3 信息融合与人脸表情识别 | 第19-27页 |
| ·信息融合的定义及优点 | 第19-20页 |
| ·信息融合的层次 | 第20-22页 |
| ·基于信息融合不同层次的人脸表情识别模型 | 第22-24页 |
| ·基于像素层融合的人脸表情识别 | 第22-23页 |
| ·基于特征层融合的人脸表情识别 | 第23-24页 |
| ·基于决策层融合的人脸表情识别 | 第24页 |
| ·决策层信息融合常用的方法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 4 人脸表情图像预处理 | 第27-40页 |
| ·人脸检测 | 第27-30页 |
| ·简单背景下人脸图像 | 第27页 |
| ·复杂背景下人脸图像 | 第27-28页 |
| ·几种人脸检测的方法 | 第28-30页 |
| ·人脸表情图像的几何归一化 | 第30-31页 |
| ·人脸表情图像的直方图修整 | 第31-37页 |
| ·直方图 | 第32页 |
| ·对比度扩展 | 第32-33页 |
| ·直方图均衡化 | 第33-36页 |
| ·直方图规定化 | 第36-37页 |
| ·实验数据预处理 | 第37-40页 |
| 5 基于主元分析的人脸表情识别 | 第40-54页 |
| ·引言 | 第40页 |
| ·主元分析(PCA)在特征提取中应用研究 | 第40-47页 |
| ·PCA算法介绍 | 第40-43页 |
| ·基于PCA算法人脸表情特征提取 | 第43页 |
| ·实验过程及结果 | 第43-44页 |
| ·PCA算法缺点及改进方法 | 第44-47页 |
| ·基于2DPCA人脸表情识别 | 第47-49页 |
| ·基于2DPCA人脸表情特征提取 | 第47-48页 |
| ·实验过程及结果 | 第48-49页 |
| ·基于Fisher准则的二维主元分析表情识别方法 | 第49-52页 |
| ·基于Fisher准则的特征选择 | 第49-50页 |
| ·基于Fisher准则的PCA和2DPCA表情特征提取 | 第50-51页 |
| ·基于Fisher准则的PCA和2DPCA表情识别 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 6 基于模糊积分多分类器融合的人脸表情识别 | 第54-67页 |
| ·引言 | 第54页 |
| ·基于模糊积分多分类器融合的表情识别 | 第54-60页 |
| ·离散余弦变换(DCT) | 第54-55页 |
| ·DCT法表情特征提取 | 第55-56页 |
| ·模糊测度与模糊积分 | 第56-57页 |
| ·基于模糊积分的表情识别 | 第57-59页 |
| ·实验结果及分析 | 第59-60页 |
| ·基于粒子群算法的模糊密度自适应赋值 | 第60-66页 |
| ·引言 | 第60页 |
| ·混淆矩阵 | 第60-61页 |
| ·粒子群算法(PSO) | 第61-62页 |
| ·粒子群算法(PSO)的参数设置 | 第62页 |
| ·基于粒子群算法的模糊密度赋值 | 第62-64页 |
| ·实验结果 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 结束语 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-77页 |