基于SIFT特征的人脸表情识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第7-8页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 人脸表情识别研究历史进程 | 第9-10页 |
| 1.3 人脸表情识别研究现状 | 第10-11页 |
| 1.4 本文主要内容和安排 | 第11-13页 |
| 第二章 SIFT 特征的提取 | 第13-24页 |
| 2.1 SIFT 算法理论背景 | 第13-14页 |
| 2.2 SIFT 算法原理 | 第14-20页 |
| 2.2.1 构建尺度空间 | 第14-16页 |
| 2.2.2 检测尺度空间极值点 | 第16-17页 |
| 2.2.3 除去不好的特征点 | 第17-18页 |
| 2.2.4 赋予特征点方向参数 | 第18页 |
| 2.2.5 生成关键点描述子 | 第18-20页 |
| 2.3 Dense SIFT 算法 | 第20-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 词袋模型及对特征数据的处理 | 第24-31页 |
| 3.1 词袋模型理论背景及建立 | 第24-25页 |
| 3.2 K-means 聚类算法 | 第25-28页 |
| 3.3 空间金字塔 | 第28-30页 |
| 3.3.1 空间金字塔算法理论原理 | 第28-29页 |
| 3.3.2 空间金字塔算法在本文框架中的应用 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于支持向量机的人脸表情识别 | 第31-42页 |
| 4.1 支持向量机理论 | 第31-37页 |
| 4.1.1 线性分类器 | 第31-34页 |
| 4.1.2 非线性分类器和核函数 | 第34-36页 |
| 4.1.3 异常值的处理 | 第36-37页 |
| 4.2 支持向量机相关算法 | 第37-40页 |
| 4.2.1 KKT 条件 | 第37-38页 |
| 4.2.2 SMO 算法 | 第38-39页 |
| 4.2.3 多类支持向量机相关算法 | 第39-40页 |
| 4.3 直方图正交核 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 实验和结果分析 | 第42-52页 |
| 5.1 实验环境 | 第43-44页 |
| 5.1.1 实验软件和硬件 | 第43-44页 |
| 5.1.2 人脸表情库 | 第44页 |
| 5.2 不同方法的比较 | 第44-50页 |
| 5.3 不同核函数的分类效果的比较 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第57-58页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第58-59页 |
| 致谢 | 第59页 |
