| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究的目的和意义 | 第9-11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 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 目前存在的主要问题 | 第14-15页 |
| 1.4 本文主要研究内容及组织结构 | 第15-17页 |
| 第2章 人脸检测及定位 | 第17-25页 |
| 2.1 笑脸表情数据库 | 第17-19页 |
| 2.2 人脸区域的检测及提取 | 第19-24页 |
| 2.2.1 基于肤色的人脸检测方法 | 第19-21页 |
| 2.2.2 基于ViolaJones算法的人脸检测方法 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 笑脸特征提取 | 第25-41页 |
| 3.1 MB-LBP特征提取方法 | 第25-27页 |
| 3.1.1 MB-LBP算法分析 | 第25-26页 |
| 3.1.2 MB-LBP特征提取的实现过程 | 第26-27页 |
| 3.2 HOG特征提取 | 第27-29页 |
| 3.2.1 HOG简介 | 第27-28页 |
| 3.2.2 HOG特征提取的实现过程 | 第28-29页 |
| 3.3 Gabor特征提取方法 | 第29-33页 |
| 3.3.1 Gabor变换简介 | 第30页 |
| 3.3.2 Gabor特征提取的实现过程 | 第30-33页 |
| 3.4 嘴角坐标法 | 第33-40页 |
| 3.4.1 角点检测算法分析 | 第33-38页 |
| 3.4.2 嘴角坐标法 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于支持向量机的笑脸分类识别 | 第41-48页 |
| 4.1 支持向量机简介 | 第41-42页 |
| 4.2 基于支持向量机的笑脸识别 | 第42-44页 |
| 4.2.1 支持向量机分类原理 | 第42-43页 |
| 4.2.2 支持向量机分类过程 | 第43-44页 |
| 4.3 基于支持向量机的多特征融合 | 第44-46页 |
| 4.3.1 SimpleMKL算法的原理 | 第44-45页 |
| 4.3.2 基于SimpleMKL算法的特征融合过程 | 第45-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 实验结果分析 | 第48-56页 |
| 5.1 实验过程 | 第48-50页 |
| 5.1.1 实验环境搭建 | 第48页 |
| 5.1.2 笑脸识别的实现过程 | 第48-50页 |
| 5.2 实验结果分析 | 第50-55页 |
| 5.2.1 本文各方法的总体正确率对比 | 第51-52页 |
| 5.2.2 本文各方法真正类率TPR和负正类率FPR对比 | 第52-53页 |
| 5.2.3 本文各方法用时对比 | 第53-54页 |
| 5.2.4 实验结果分析 | 第54-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第6章 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 在学研究成果 | 第60-61页 |
| 致谢 | 第61页 |
