| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 引言 | 第11页 |
| 1.2 课题研究背景与意义 | 第11-12页 |
| 1.3 表情识别研究现状 | 第12-14页 |
| 1.4 本文主要研究内容与结构安排 | 第14-15页 |
| 第2章 人脸检测及面部特征点定位 | 第15-29页 |
| 2.1 人脸检测 | 第15-16页 |
| 2.1.1 基于面部特征的方法 | 第15页 |
| 2.1.2 基于先验规则的方法 | 第15-16页 |
| 2.1.3 基于统计的方法 | 第16页 |
| 2.2 积分图优化Haar-like特征与级联AdaBoost的人脸检测 | 第16-20页 |
| 2.2.1 Haar特征 | 第16-17页 |
| 2.2.2 积分图计算Haar特征 | 第17-18页 |
| 2.2.3 优化Haar-Like特征与AdaBoost分类器的人脸检测 | 第18-20页 |
| 2.2.4 人脸检测结果分析 | 第20页 |
| 2.3 面部特征点定位 | 第20-24页 |
| 2.3.1 人脸关键特征点定位方法 | 第20-21页 |
| 2.3.2 ASM模型 | 第21-24页 |
| 2.4 基于AAM的面部特征点定位 | 第24-26页 |
| 2.5 基于CLM的面部特征点定位 | 第26-28页 |
| 2.5.1 CLM的局部模型 | 第26页 |
| 2.5.2 CLM模型拟合优化 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于融合特征提取的表情识别 | 第29-51页 |
| 3.1 引言 | 第29-31页 |
| 3.1.1 表情识别特征提取方法 | 第29-30页 |
| 3.1.2 数据集介绍 | 第30-31页 |
| 3.2 图像预处理 | 第31-33页 |
| 3.2.1 尺寸归一化 | 第31-32页 |
| 3.2.2 光照归一化 | 第32-33页 |
| 3.3 表情特征提取 | 第33-40页 |
| 3.3.1 几何特征提取 | 第33-34页 |
| 3.3.2 纹理特征提取 | 第34-35页 |
| 3.3.3 基于LBP的局部纹理特征提取 | 第35-40页 |
| 3.4 融合特征降维及SVM分类器训练 | 第40-46页 |
| 3.4.1 特征降维 | 第40页 |
| 3.4.2 LLE降维算法 | 第40-42页 |
| 3.4.3 SVM分类器训练 | 第42-46页 |
| 3.5 实验与结果分析 | 第46-49页 |
| 3.5.1 实验流程 | 第46-47页 |
| 3.5.2 数据集划分 | 第47页 |
| 3.5.3 实验结果分析 | 第47-49页 |
| 3.6 本章小结 | 第49-51页 |
| 第4章 实时表情识别系统实现 | 第51-57页 |
| 4.1 实时表情识别系统框架及软硬件平台 | 第51-52页 |
| 4.1.1 实时表情识别系统框架 | 第51页 |
| 4.1.2 系统软硬件平台 | 第51-52页 |
| 4.2 系统软件实现流程 | 第52-53页 |
| 4.3 实时表情识别结果与分析 | 第53-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 全文总结 | 第57-58页 |
| 5.2 未来工作展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 作者简介及科研成果 | 第65-67页 |
| 致谢 | 第67页 |