基于局部特征的表情识别研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 问题的提出与研究意义 | 第9-10页 |
| 1.1.1 问题提出 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 面部表情特征提取的研究现状 | 第10-12页 |
| 1.2.2 面部表情分类方法的研究现状 | 第12-16页 |
| 1.3 面部表情识别研究的难点 | 第16-17页 |
| 1.4 常见的人脸表情数据库 | 第17-18页 |
| 1.5 本文主要内容及结构安排 | 第18-19页 |
| 第二章 表情识别及图像预处理 | 第19-26页 |
| 2.1 表情识别 | 第19-22页 |
| 2.1.1 人脸表情识别系统 | 第19-20页 |
| 2.1.2 人脸检测 | 第20-22页 |
| 2.2 图像预处理 | 第22-25页 |
| 2.2.1 彩色图像灰度化 | 第22-23页 |
| 2.2.2 灰度直方图均衡化 | 第23-24页 |
| 2.2.3 尺度归一化 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于投影误差的人脸表情识别方法 | 第26-37页 |
| 3.1 LBP特征 | 第26-30页 |
| 3.1.1 标准LBP算法 | 第26-27页 |
| 3.1.2 扩展的LBP算法 | 第27-29页 |
| 3.1.3 均匀LBP算法 | 第29-30页 |
| 3.2 基于投影误差的LBP特征 | 第30-32页 |
| 3.2.1 投影分析 | 第30-31页 |
| 3.2.2 基于投影误差的LBP特征提取和分类 | 第31-32页 |
| 3.3 实验结果 | 第32-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于多尺度HOG算子的人脸表情识别方法 | 第37-46页 |
| 4.1 多尺度HOG特征提取方法 | 第37-42页 |
| 4.1.1 HOG算法原理及特征提取步骤 | 第37-39页 |
| 4.1.2 HOG算法和SIFT算法的对比 | 第39-41页 |
| 4.1.3 多尺度HOG算子 | 第41-42页 |
| 4.2 融合多尺度HOG算子的特征提取 | 第42-43页 |
| 4.3 实验结果 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 基于多特征融合的人脸表情识别方法 | 第46-56页 |
| 5.1 人脸表情特征融合技术 | 第46-49页 |
| 5.1.1 信息融合的基本理论 | 第46页 |
| 5.1.2 信息融合分类描述 | 第46-49页 |
| 5.2 降维算法 | 第49-50页 |
| 5.3 基于特征融合的表情特征提取 | 第50-52页 |
| 5.4 实验结果 | 第52-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 工作总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 致谢 | 第62页 |
