基于动态图像序列的人脸表情特征提取和识别算法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·问题提出及研究意义 | 第10-11页 |
| ·问题提出 | 第10页 |
| ·问题的研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·相关领域的研究现状 | 第11页 |
| ·基于动态图像序列的人脸表情识别的研究现状 | 第11-14页 |
| ·存在的问题 | 第14-15页 |
| ·本文的主要内容与结构安排 | 第15-19页 |
| ·研究目标及主要任务 | 第15页 |
| ·本文选用图库 | 第15页 |
| ·本文研究内容 | 第15-17页 |
| ·本文章节安排 | 第17-19页 |
| 第2章 人脸表情跟踪方法的研究 | 第19-33页 |
| ·引言 | 第19页 |
| ·基于 Candide3 三维人脸模型的研究 | 第19-21页 |
| ·Candide3 三维人脸模型 | 第19-21页 |
| ·Candide3 人脸模型半自动匹配方法设计 | 第21页 |
| ·基于 Candide3 模型的跟踪算法研究 | 第21-26页 |
| ·形状无关纹理 | 第22-23页 |
| ·纹理模型 | 第23-24页 |
| ·可形变网格化模型 | 第24-25页 |
| ·运动参数更新 | 第25页 |
| ·实验及存在的问题 | 第25-26页 |
| ·跟踪算法改进 | 第26-31页 |
| ·光照处理 | 第27-28页 |
| ·基于在线表观模型的跟踪算法 | 第28页 |
| ·模型的自动初始化研究 | 第28-29页 |
| ·模型自动匹配实验 | 第29-30页 |
| ·改进后跟踪算法实验 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第3章 动态特征提取 | 第33-40页 |
| ·引言 | 第33页 |
| ·动态特征提取 | 第33-36页 |
| ·特征点的跟踪 | 第33-34页 |
| ·表情动作单元的分析 | 第34-35页 |
| ·动态特征提取 | 第35-36页 |
| ·基于 k 均值的聚类分析 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 表情分类的实现 | 第40-52页 |
| ·引言 | 第40页 |
| ·K 近邻分类器 | 第40-42页 |
| ·K 近邻规则 | 第40-41页 |
| ·K 近邻分类的距离度量 | 第41-42页 |
| ·基于 K 近邻分类器的分类实验 | 第42页 |
| ·流形学习 | 第42-47页 |
| ·主成分分析（PCA） | 第43-44页 |
| ·拉普拉斯映射（LE） | 第44页 |
| ·基于流形学习的降维分类实验 | 第44-47页 |
| ·支持向量机 | 第47-49页 |
| ·支持向量机 | 第47-48页 |
| ·非线性支持向量机 | 第48-49页 |
| ·基于支持向量机分类实验 | 第49页 |
| ·基于 Adaboost 分类研究 | 第49-51页 |
| ·Adaboost 算法 | 第49-51页 |
| ·基于 Adaboost 的分类实验 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第5章 非定长动态特征提取方法的初步研究 | 第52-56页 |
| ·引言 | 第52页 |
| ·非定长动态特征提取方法的研究 | 第52-55页 |
| ·非定长动态特征提取的定义 | 第52页 |
| ·基于相关性的图像序列分割方法 | 第52-54页 |
| ·非定长动态特征的归一化方法 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 全文总结 | 第56-58页 |
| ·全文总结 | 第56页 |
| ·研究展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-70页 |
| 作者介绍及研究成果 | 第70-71页 |
| 致谢 | 第71页 |
