| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 论文主要工作及组织结构 | 第9-12页 |
| 1.3.1 研究内容 | 第9-10页 |
| 1.3.2 组织结构 | 第10-12页 |
| 第2章 相关理论技术概述 | 第12-16页 |
| 2.1 人脸表情的基本分类 | 第12页 |
| 2.2 人脸表情的识别步骤 | 第12-13页 |
| 2.3 人脸检测技术方法 | 第13-14页 |
| 2.4 iOS平台介绍 | 第14页 |
| 2.5 本章小结 | 第14-16页 |
| 第3章 人脸检测和人脸图像预处理 | 第16-26页 |
| 3.1 人脸检测 | 第16-20页 |
| 3.1.1 Haar特征 | 第16-17页 |
| 3.1.2 Adaboosting算法 | 第17-18页 |
| 3.1.3 基于Haar分类器的人脸检测的Adaboost人脸检测 | 第18-20页 |
| 3.2 人脸图像预处理 | 第20-25页 |
| 3.2.1 颜色空间转换 | 第20页 |
| 3.2.2 人脸图像的几何变换 | 第20-22页 |
| 3.2.3 直方图均衡化 | 第22-24页 |
| 3.2.4 人脸表情图像的去噪 | 第24-25页 |
| 3.3 本章小结 | 第25-26页 |
| 第4章 基于非线性分解的人脸表情特征提取 | 第26-36页 |
| 4.1 基于非线性分解的降维算法 | 第26-27页 |
| 4.1.1 人脸图像划分 | 第26页 |
| 4.1.2 主成分分析 | 第26-27页 |
| 4.2 算法设计 | 第27-29页 |
| 4.3 仿真测试 | 第29-32页 |
| 4.4 基于支持向量机的表情分类 | 第32-33页 |
| 4.4.1 支持向量机 | 第32-33页 |
| 4.4.2 非线性支持向量机 | 第33页 |
| 4.5 人脸表情分类实验 | 第33-34页 |
| 4.5.1 人脸表情图像库选择 | 第33-34页 |
| 4.5.2 基于SVM的人脸表情分类 | 第34页 |
| 4.6 本章小结 | 第34-36页 |
| 第5章 表情识别原型系统开发 | 第36-52页 |
| 5.1 人脸表情识别系统需求分析 | 第36-37页 |
| 5.1.1. 软件开发目标 | 第36页 |
| 5.1.2 系统开发可行性 | 第36-37页 |
| 5.2 人脸表情识别系统整体设计 | 第37-42页 |
| 5.2.1 实验开发平台 | 第37页 |
| 5.2.2 系统功能模块设计 | 第37-39页 |
| 5.2.3 系统界面设计实现 | 第39-42页 |
| 5.3 算法实现 | 第42-44页 |
| 5.3.1 系统工程配置 | 第42页 |
| 5.3.2 算法的实现 | 第42-44页 |
| 5.4 系统运行结果与分析 | 第44-50页 |
| 5.5 本章小结 | 第50-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 攻读硕士学位期间取得的研究成果 | 第56-58页 |
| 致谢 | 第58页 |