| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-11页 |
| ·课题研究背景及意义 | 第8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文研究内容 | 第9-10页 |
| ·本文结构安排 | 第10-11页 |
| 第二章 人脸表情识别研究综述 | 第11-18页 |
| ·表情识别概述 | 第11-12页 |
| ·表情识别系统框架图 | 第12页 |
| ·表情识别的主要技术方法 | 第12-15页 |
| ·基于几何特征的方法 | 第12-13页 |
| ·模板匹配方法 | 第13-14页 |
| ·特征子空间方法 | 第14-15页 |
| ·表情识别的难点不足和应用 | 第15-18页 |
| ·表情识别的难点 | 第15-16页 |
| ·表情识别的不足 | 第16页 |
| ·表情识别的应用 | 第16-18页 |
| 第三章 基于灰度差投影的表情区域定位算法 | 第18-30页 |
| ·人脸检测 | 第18-24页 |
| ·使用Haar-lilke 特征构造弱分类器 | 第19-21页 |
| ·利用Adaboost 算法生成强分类器 | 第21-22页 |
| ·级联分类器 | 第22-23页 |
| ·基于AdaBoost 级联分类器人脸检测算法的实验结果 | 第23页 |
| ·图像预处理 | 第23-24页 |
| ·基于灰度差投影的人脸定位算法 | 第24-30页 |
| ·灰度投影方法 | 第24-26页 |
| ·基于灰度差投影的人脸定位算法 | 第26-27页 |
| ·基于灰度差投影的人脸定位算法的实现与结果分析 | 第27-30页 |
| 第四章 基于PCA 重建的特征提取算法 | 第30-35页 |
| ·常用的特征提取算法 | 第30-32页 |
| ·主成分分析算法 | 第30-31页 |
| ·PCA 应用于表情识别的具体方法 | 第31-32页 |
| ·基于PCA 重建的表情提取方法 | 第32-33页 |
| ·基于PCA 重建的表情提取方法的实现与结果分析 | 第33-35页 |
| 第五章 基于贝叶斯分类器的表情分类算法 | 第35-46页 |
| ·贝叶斯分类器 | 第35-37页 |
| ·集合概念 | 第35-36页 |
| ·贝叶斯法则 | 第36-37页 |
| ·贝叶斯最优分类器 | 第37页 |
| ·基于贝叶斯分类器的表情分类算法 | 第37-38页 |
| ·基于贝叶斯分类器的表情分类算法的实现与结果分析 | 第38-43页 |
| ·比较其他算法并分析 | 第43-46页 |
| 第六章 表情识别系统设计与实现 | 第46-48页 |
| ·表情识别系统概述 | 第46页 |
| ·表情识别系统设计 | 第46-47页 |
| ·表请识别系统实现 | 第47-48页 |
| 第七章 总结与展望 | 第48-50页 |
| ·本文工作总结 | 第48-49页 |
| ·研究展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 发表论文和科研情况说明 | 第54-55页 |
| 致谢 | 第55页 |