| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 人脸识别 | 第10-12页 |
| 1.3 人脸表情识别 | 第12-14页 |
| 1.4 国内外公开的人脸图像数据库 | 第14-15页 |
| 1.5 本文的研究工作及章节安排 | 第15-17页 |
| 第二章 人脸识别和人脸表情识别的技术简述 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 人脸图像描述子 | 第17-20页 |
| 2.2.1 SIFT特征 | 第18-19页 |
| 2.2.2 Garbor特征 | 第19-20页 |
| 2.3 特征提取与降维 | 第20-22页 |
| 2.3.1 主成分分析 | 第20-21页 |
| 2.3.2 线性判别分析 | 第21-22页 |
| 2.4 分类器 | 第22-26页 |
| 2.4.1 KNN分类器 | 第22页 |
| 2.4.2 支持向量机 | 第22-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于最优核Fukunaga-Koontz变换的人脸识别 | 第27-36页 |
| 3.1 引言 | 第27-28页 |
| 3.2 FKT和KFKT方法简介 | 第28-30页 |
| 3.2.1 FKT方法 | 第28-29页 |
| 3.2.2 KFKT方法 | 第29-30页 |
| 3.3 KFKT中的核函数优化算法及在人脸识别中的应用 | 第30-32页 |
| 3.3.1 KFKT中的核函数优化算法 | 第30-32页 |
| 3.3.2 基于KFKT的人脸识别方法 | 第32页 |
| 3.4 实验结果与分析 | 第32-35页 |
| 3.4.1 FERET人脸库 | 第32-34页 |
| 3.4.2 Yale人脸库 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于迁移学习的跨领域表情识别 | 第36-49页 |
| 4.1 引言 | 第36-37页 |
| 4.2 协方差偏移 | 第37-40页 |
| 4.2.1 核均值匹配(KMM) | 第38页 |
| 4.2.2 KL重要性估计过程(KLIEP) | 第38-39页 |
| 4.2.3 无约束最小二乘重要性拟合(uLSIF) | 第39-40页 |
| 4.3 重要性加权支持向量机(IW-SVM) | 第40-41页 |
| 4.4 实验结果与分析 | 第41-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 基于改进的STM和SVM的人脸表情识别 | 第49-57页 |
| 5.1 引言 | 第49-50页 |
| 5.2 选择性迁移机(STM) | 第50-51页 |
| 5.3 改进的STM | 第51-53页 |
| 5.4 实验结果与分析 | 第53-55页 |
| 5.5 本章小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 工作总结 | 第57页 |
| 6.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-67页 |
| 作者简介 | 第67-68页 |
| 致谢 | 第68页 |
