基于局部特征分析的笑脸表情识别研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 笑脸识别的国内外研究历史与现状 | 第11-14页 |
| 1.2.1 国内研究现状 | 第12-13页 |
| 1.2.2 国外研究现状 | 第13-14页 |
| 1.3 本论文的结构安排 | 第14-15页 |
| 第二章 笑脸识别前期处理 | 第15-26页 |
| 2.1 数据库介绍 | 第15-18页 |
| 2.1.1 实验室表情数据库 | 第15-16页 |
| 2.1.2 真实场景下GENKI-4K笑脸数据库 | 第16-17页 |
| 2.1.3 本文数据库 | 第17-18页 |
| 2.2 标准人脸获取 | 第18-23页 |
| 2.2.1 基于OpenCV的人脸检测算法 | 第18-21页 |
| 2.2.2 人脸旋转及归一化 | 第21-22页 |
| 2.2.3 人脸检测结果 | 第22-23页 |
| 2.3 图像增强 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于唇部特征的笑脸识别方法 | 第26-44页 |
| 3.1 基于唇部特征的理论依据 | 第26-27页 |
| 3.2 标准唇部图像获取 | 第27-30页 |
| 3.2.1 基于ASM的特征点定位 | 第27-29页 |
| 3.2.2 唇部检测结果 | 第29-30页 |
| 3.3 几种特征提取方法 | 第30-35页 |
| 3.3.1 基于几何特征的方法 | 第30页 |
| 3.3.2 基于LBP的方法 | 第30-32页 |
| 3.3.3 基于Gabor滤波器的方法 | 第32-35页 |
| 3.4 支持向量机介绍 | 第35-37页 |
| 3.5 局部特征提取步骤及实验设计 | 第37-42页 |
| 3.5.1 唇部几何特征 | 第37-39页 |
| 3.5.2 唇部LBP特征 | 第39-40页 |
| 3.5.3 唇部Gabor特征 | 第40-42页 |
| 3.6 不同特征结果对比 | 第42-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第四章 基于深度自编码器的笑脸识别方法 | 第44-72页 |
| 4.1 人工神经网络及深度学习 | 第44-49页 |
| 4.1.1 神经网络的发展 | 第44-45页 |
| 4.1.2 神经网络模型 | 第45-47页 |
| 4.1.3 神经网络求解 | 第47-49页 |
| 4.2 自编码器 | 第49-53页 |
| 4.2.1 稀疏自编码器 | 第50-52页 |
| 4.2.2 去噪自编码器 | 第52页 |
| 4.2.3 压缩自编码器 | 第52-53页 |
| 4.3 深层自编码器网络 | 第53-54页 |
| 4.4 特征可视化及实验结果 | 第54-64页 |
| 4.4.1 唇部采样图片特征可视化 | 第55-56页 |
| 4.4.2 完整人脸图像特征可视化 | 第56-60页 |
| 4.4.3 完整唇部图像特征可视化 | 第60-63页 |
| 4.4.4 实验结果对比 | 第63-64页 |
| 4.5 融合LBP和自编码器的笑脸表情识别 | 第64-67页 |
| 4.6 融合Gabor和自编码器的笑脸表情识别 | 第67-71页 |
| 4.7 本章小结 | 第71-72页 |
| 第五章 全文总结与展望 | 第72-74页 |
| 5.1 全文总结 | 第72页 |
| 5.2 后续工作展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间取得的成果 | 第79-80页 |
