| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究的背景和意义 | 第10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 论文研究的主要内容 | 第12页 |
| 1.4 论文的主要结构 | 第12-14页 |
| 第2章 人脸检测及特征区域划分方法的实现 | 第14-30页 |
| 2.1 人脸表情库介绍 | 第14页 |
| 2.2 人脸检测方法的分析及选择 | 第14-15页 |
| 2.3 基于Haar特征和Adaboost学习算法的人脸检测方法 | 第15-18页 |
| 2.3.1 人脸检测方法的实现 | 第15-18页 |
| 2.4 人脸检测方法存在的问题和改进 | 第18-21页 |
| 2.5 图像预处理与归一化 | 第21-23页 |
| 2.5.1 图像归一化 | 第21-23页 |
| 2.5.2 图像的增强和降噪 | 第23页 |
| 2.6 特征区域划分方法的分析及选择 | 第23-28页 |
| 2.6.1 FACS面部动作编码系统 | 第23-24页 |
| 2.6.2 基本表情AU模型 | 第24-25页 |
| 2.6.3 笑脸表情特征分析 | 第25-26页 |
| 2.6.4 笑脸表情运动特征区域划分 | 第26-28页 |
| 2.7 本章小结 | 第28-30页 |
| 第3章 基于多特征融合的笑脸表情特征提取 | 第30-52页 |
| 3.1 引言 | 第30页 |
| 3.2 基于光流法的笑脸表情动态特征提取方法的研究 | 第30-34页 |
| 3.2.1 传统Horn-Schunck光流法 | 第31-32页 |
| 3.2.2 融入非刚性流体运动的Horn-Schunck光流法 | 第32-33页 |
| 3.2.3 效果分析及存在的问题 | 第33-34页 |
| 3.3 基于运动单元的光流动态特征提取 | 第34-41页 |
| 3.3.1 人脸特征降维 | 第35-37页 |
| 3.3.2 运动特征序列的构造 | 第37-38页 |
| 3.3.3 实验结果 | 第38-41页 |
| 3.4 基于LBP方法的笑脸表情静态特征提取 | 第41-43页 |
| 3.4.1 LBP特征 | 第41-42页 |
| 3.4.2 LBP特征提取 | 第42-43页 |
| 3.5 基于PHOG算法的笑脸表情嘴部特征提取 | 第43-47页 |
| 3.5.1 嘴部精准定位 | 第43-44页 |
| 3.5.2 PHOG特征描述 | 第44-46页 |
| 3.5.3 嘴部PHOG特征提取 | 第46-47页 |
| 3.6 多特征融合的改进算法 | 第47-51页 |
| 3.6.1 特征融合与典型相关分析 | 第48-49页 |
| 3.6.2 关于三种笑脸特征的融合 | 第49-50页 |
| 3.6.3 实验结果与分析 | 第50-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第4章 基于HMM模型的表情识别 | 第52-66页 |
| 4.1 引言 | 第52页 |
| 4.2 隐马尔科夫模型描述 | 第52-58页 |
| 4.3 隐马尔可夫模型（HMM）构造 | 第58-60页 |
| 4.2.1 HMM的结构选择 | 第58-59页 |
| 4.2.2 HMM模型状态数的确定 | 第59-60页 |
| 4.4 笑脸表情的HMM建模与识别 | 第60-63页 |
| 4.3.1 样本采集与参数选取 | 第61页 |
| 4.3.2 识别结果与分析 | 第61-63页 |
| 4.5 基于HMM模型的分类识别方法与其他方法的比较 | 第63-64页 |
| 4.6 本章小结 | 第64-66页 |
| 第5章 基于OpenCV的人脸笑脸识别模拟应用 | 第66-74页 |
| 5.1 模拟环境说明 | 第66页 |
| 5.2 系统功能模块 | 第66-70页 |
| 5.2.1 整体框架 | 第67页 |
| 5.2.2 人脸检测模块 | 第67-69页 |
| 5.2.3 笑脸识别模块 | 第69-70页 |
| 5.3 性能测试 | 第70-72页 |
| 5.3.1 实验数据说明 | 第70-72页 |
| 5.3.2 实验结果 | 第72页 |
| 5.4 本章小结 | 第72-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-82页 |
| 致谢 | 第82页 |
