| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究的目的和意义 | 第9-10页 |
| 1.2 笑脸识别的国内外研究现状 | 第10-14页 |
| 1.2.1 人脸检测 | 第10-11页 |
| 1.2.2 特征提取 | 第11-12页 |
| 1.2.3 分类器设计 | 第12-14页 |
| 1.3 研究的主要内容 | 第14-17页 |
| 1.3.1 论文的主要工作和贡献 | 第14-15页 |
| 1.3.2 论文的结构安排 | 第15-17页 |
| 第二章 人脸检测与预处理 | 第17-30页 |
| 2.1 引言 | 第17页 |
| 2.2 基于哈尔特征和Boosting的二维级联结构人脸检测算法 | 第17-27页 |
| 2.2.1 哈尔(Haar)特征 | 第19-20页 |
| 2.2.2 人脸检测算法 | 第20-25页 |
| 2.2.3 精确定位策略 | 第25-26页 |
| 2.2.4 基于二维级联结构的人脸检测器改进算法 | 第26-27页 |
| 2.3 基于直方图均衡化的人脸图像光照预处理算法 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于支持向量机的笑脸识别 | 第30-49页 |
| 3.1 引言 | 第30页 |
| 3.2 特征提取方法——LIH和CS-LBP | 第30-33页 |
| 3.2.1 局部强度直方图(LIH) | 第31页 |
| 3.2.2 中心对称局部二值模式(CS-LBP) | 第31-33页 |
| 3.3 支持向量机 | 第33-37页 |
| 3.3.1 函数与几何间隔 | 第35页 |
| 3.3.2 最大间隔分类器 | 第35-36页 |
| 3.3.3 核函数(Kernel) | 第36-37页 |
| 3.3.4 规则化和不可分情况 | 第37页 |
| 3.4 微笑识别与强度评估 | 第37-38页 |
| 3.5 提高笑脸识别率的两种改进策略 | 第38-39页 |
| 3.5.1 联合两种特征值 | 第39页 |
| 3.5.2 修改提取特征的面部区域 | 第39页 |
| 3.6 实验结果与分析 | 第39-47页 |
| 3.6.1 实验环境设置 | 第40-41页 |
| 3.6.2 实验的结果显示 | 第41-44页 |
| 3.6.3 与其他笑脸识别算法的比较 | 第44-46页 |
| 3.6.4 算法的有效性分析 | 第46-47页 |
| 3.6.5 算法的错误分析 | 第47页 |
| 3.7 本章小结 | 第47-49页 |
| 第四章 总结与展望 | 第49-50页 |
| 4.1 总结 | 第49页 |
| 4.2 展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53页 |