| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题研究的背景及意义 | 第9-11页 |
| 1.2 国内外的研究现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 人脸表情识别存在的问题 | 第15-16页 |
| 1.4 本文的研究内容 | 第16-18页 |
| 1.5 论文的结构安排 | 第18-19页 |
| 第二章 一般的人脸表情识别方法 | 第19-37页 |
| 2.1 人脸表情识别方法分类 | 第19-21页 |
| 2.2 人脸表情图像获取与预处理 | 第21-26页 |
| 2.2.1 人脸表情图像的获取 | 第21-22页 |
| 2.2.2 人脸表情图像的预处理 | 第22-26页 |
| 2.3 人脸的检测与定位 | 第26-28页 |
| 2.3.1 基于知识规则的方法 | 第26页 |
| 2.3.2 基于可视特征方法 | 第26-27页 |
| 2.3.3 基于模板匹配法 | 第27-28页 |
| 2.4 人脸表情特征提取 | 第28-32页 |
| 2.4.1 2D人脸表情特征提取 | 第28-31页 |
| 2.4.2 3D人脸表情特征提取 | 第31-32页 |
| 2.5 常用的人脸表情分类器 | 第32-36页 |
| 2.5.1 支持向量机分类器 | 第32-34页 |
| 2.5.2 人工神经网络分类器 | 第34-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第三章 基于脸表面法线密度的 3D人脸表情识别方法 | 第37-50页 |
| 3.1 基于脸表面法线密度的 3D人脸表情识别 | 第37-38页 |
| 3.2 表情图像的预处理 | 第38-39页 |
| 3.3 脸平面的确定 | 第39-44页 |
| 3.3.1 方差最小基准法 | 第40-42页 |
| 3.3.2 距离最小基准法 | 第42-44页 |
| 3.4 法线密度图像的获取及特征提取 | 第44-45页 |
| 3.5 表情分类的方法 | 第45-49页 |
| 3.5.1 马氏距离法 | 第45-47页 |
| 3.5.2 基于马氏距离的支持向量机法 | 第47-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 实验结果分析 | 第50-62页 |
| 4.1 实验环境介绍 | 第51-53页 |
| 4.1.1 实验环境 | 第51-52页 |
| 4.1.2 实验样本获取 | 第52-53页 |
| 4.2 3D人脸图像的预处理 | 第53-54页 |
| 4.3 脸平面导出实验结果与分析 | 第54-56页 |
| 4.4 表情特征的提取 | 第56-57页 |
| 4.4.1 人脸密度图像导出 | 第56页 |
| 4.4.2 特征点的确定 | 第56-57页 |
| 4.5 表情分类实验结果 | 第57-60页 |
| 4.5.1 马氏距离法实验结果 | 第57-58页 |
| 4.5.2 基于马氏距离的支持向量机法实验结果 | 第58-59页 |
| 4.5.3 对比实验结果 | 第59-60页 |
| 4.6 实验结果分析 | 第60-61页 |
| 4.7 本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |