| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-21页 |
| 1．1 表情识别技术概述 | 第13-16页 |
| 1．1．1 研究背景 | 第13-15页 |
| 1．1．2 历史与发展 | 第15-16页 |
| 1．2 表情识别技术的应用现状 | 第16-19页 |
| 1．2．1 应用领域 | 第16-18页 |
| 1．2．2 面临的挑战 | 第18-19页 |
| 1．3 本文所做的工作 | 第19-21页 |
| 1．3．1 本文的主要研究内容和特点 | 第19-20页 |
| 1．3．2 本文的组织结构 | 第20-21页 |
| 第2章 动态人脸表情识别技术研究现状 | 第21-32页 |
| 2．1 引言 | 第21页 |
| 2．2 心理学研究成果 | 第21-25页 |
| 2．2．1 理解人脸表情 | 第22-23页 |
| 2．2．2 FACS系统 | 第23-24页 |
| 2．2．3 表情与情感 | 第24-25页 |
| 2．3 计算机领域的研究 | 第25-29页 |
| 2．3．1 人脸表情自动识别系统框架 | 第25-26页 |
| 2．3．2 表情区域定位方法比较 | 第26-28页 |
| 2．3．3 表情特征提取方法分类 | 第28页 |
| 2．3．4 表情识别方法分类 | 第28-29页 |
| 2．4 动态人脸表情识别技术难点分析 | 第29-31页 |
| 2．5 小结 | 第31-32页 |
| 第3章 表情识别平台设计及系统实例构建 | 第32-48页 |
| 3．1 引言 | 第32页 |
| 3．2 平台设计 | 第32-35页 |
| 3．2．1 表情识别系统的分类 | 第32-34页 |
| 3．2．2 平台设计策略 | 第34-35页 |
| 3．2．3 基于平台的系统实例 | 第35页 |
| 3．3 基本人脸表情库的建立 | 第35-39页 |
| 3．3．1 建立标准 | 第35-37页 |
| 3．3．2 表情序列的后期处理及样例 | 第37-39页 |
| 3．4 表情识别系统实例采用的关键技术 | 第39-43页 |
| 3．4．1 基于Adaboost方法的面部区域定位技术 | 第39-41页 |
| 3．4．2 光流技术应用于表情特征提取 | 第41-42页 |
| 3．4．3 MHMM应用于表情分类 | 第42-43页 |
| 3．5 表情识别系统实例构建 | 第43-47页 |
| 3．5．1 系统流程图 | 第43-44页 |
| 3．5．2 数据结构 | 第44-45页 |
| 3．5．3 分类特征选取 | 第45页 |
| 3．5．4 实验与分析 | 第45-47页 |
| 3．6 小结 | 第47-48页 |
| 第4章 人脸表情图像归一化误差处理技术 | 第48-58页 |
| 4．1 引言 | 第48页 |
| 4．2 基于视频序列的图像归一化技术 | 第48-50页 |
| 4．2．1 归一化问题描述 | 第48-49页 |
| 4．2．2 归一化问题处理方法 | 第49-50页 |
| 4．3 人脸表情图像归一化误差分析 | 第50-52页 |
| 4．4 归一化误差解决方案 | 第52-55页 |
| 4．4．1 加权优化匹配算法 | 第52-53页 |
| 4．4．2 算法实现 | 第53-55页 |
| 4．5 实验与分析 | 第55-56页 |
| 4．6 小结 | 第56-58页 |
| 第5章 表情本征空间建立技术及改进 | 第58-65页 |
| 5．1 引言 | 第58-59页 |
| 5．2 表情本征空间的建立 | 第59-61页 |
| 5．2．1 主成分分析技术 | 第59-60页 |
| 5．2．2 基于贡献率的本征向量选择算法 | 第60-61页 |
| 5．3 改进后的本征向量选择算法 | 第61-62页 |
| 5．3．1 算法描述 | 第61页 |
| 5．3．2 算法实现 | 第61-62页 |
| 5．4 实验比较 | 第62-64页 |
| 5．5 小结 | 第64-65页 |
| 结论与展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 附录A 攻读学位期间完成的论文和参加的项目 | 第73-74页 |
| 附录B FACS系统基本形变单元及肌肉图示 | 第74-77页 |
| B．1 基本形变单元描述 | 第74-77页 |
| B．2 人脸面部肌肉图示 | 第77页 |