| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-18页 |
| ·E-Learning 的概念、特点与发展 | 第9-12页 |
| ·智能空间与SNC(标准自然教室) | 第12-14页 |
| ·表情识别的研究背景及研究现状 | 第14-16页 |
| ·论文的主要工作 | 第16-17页 |
| ·论文的组织结构安排 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第二章 表情识别方法综述 | 第18-35页 |
| ·表情识别系统概述 | 第18页 |
| ·人脸检测与定位 | 第18-23页 |
| ·基于模板匹配的方法 | 第19页 |
| ·基于特征不变性的方法 | 第19-20页 |
| ·基于先验知识的方法 | 第20页 |
| ·基于肤色模型的方法 | 第20-21页 |
| ·基于子空间的方法 | 第21页 |
| ·基于神经网络的方法 | 第21-22页 |
| ·基于隐马尔可夫模型的方法 | 第22页 |
| ·基于Boosting 的方法 | 第22-23页 |
| ·多模态信息融合 | 第23页 |
| ·表情特征提取算法 | 第23-29页 |
| ·静态图像的特征提取算法 | 第24-27页 |
| ·动态图像的特征提取算法 | 第27-29页 |
| ·人脸表情分类 | 第29-32页 |
| ·基于专家规则的方法 | 第29页 |
| ·隐马尔可夫模型 | 第29-30页 |
| ·贝叶斯分类 | 第30-31页 |
| ·人工神经网络 | 第31页 |
| ·支持向量机 | 第31-32页 |
| ·现有的人脸表情库 | 第32-34页 |
| ·Cohn-Kanade 表情库 | 第32-33页 |
| ·JAFFE 表情库 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于关键部位LBP 特征的表情识别 | 第35-49页 |
| ·面部表情及精神状态的主要特征 | 第36-37页 |
| ·基于AdaBoost 算法的关键部位的检测与定位 | 第37-42页 |
| ·LBP 特征提取算法的应用 | 第42-43页 |
| ·PCA 特征降维算法的应用 | 第43-45页 |
| ·使用支持向量机对表情分类 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 系统设计实现及结果分析 | 第49-68页 |
| ·软硬件环境 | 第49-52页 |
| ·软件环境 | 第49页 |
| ·硬件环境 | 第49-52页 |
| ·硬件结构图 | 第52页 |
| ·系统框架设计 | 第52-59页 |
| ·用户图形界面模块 | 第53-57页 |
| ·图像处理模块 | 第57-58页 |
| ·识别模块 | 第58-59页 |
| ·系统结构流程 | 第59-60页 |
| ·人脸检测及样本处理 | 第60-61页 |
| ·静态库上的实验结果 | 第61-63页 |
| ·分类器的训练 | 第63-65页 |
| ·实时视频流中的结果 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| ·主要工作及结论 | 第68页 |
| ·未来的研究方向 | 第68-70页 |
| 参考文献 | 第70-77页 |
| 致谢 | 第77-78页 |
| 硕士期间发表的论文和参与项目 | 第78页 |