主动表观模型在情感识别中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-19页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究状况 | 第10-12页 |
| ·面部表情识别概述 | 第12-17页 |
| ·常用人脸表情数据库 | 第17页 |
| ·本文研究内容及论文组织 | 第17-19页 |
| 2 人脸表情图像预处理 | 第19-25页 |
| ·人脸检测 | 第19-20页 |
| ·表情图像规范化 | 第20-23页 |
| ·几何归一化 | 第20-21页 |
| ·灰度规范化 | 第21-22页 |
| ·直方图均衡化 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 3 特征提取 | 第25-39页 |
| ·主动形状模型 | 第25-26页 |
| ·训练阶段 | 第26页 |
| ·建立模型 | 第26页 |
| ·主动表观模型 | 第26-34页 |
| ·点分布模型 | 第27页 |
| ·训练样本对齐 | 第27-29页 |
| ·主成分分析法(PCA) | 第29页 |
| ·分段线性仿射 | 第29-31页 |
| ·AAM模型建立 | 第31-33页 |
| ·AAM拟合计算 | 第33-34页 |
| ·基于Gabor纹理特征表示的AAM方法 | 第34-38页 |
| ·基于Gabor纹理特征表示的AAM方法 | 第34-36页 |
| ·动态视频流的实时表情识别 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 4 支持向量机 | 第39-49页 |
| ·统计学习理论 | 第39-42页 |
| ·VC维理论 | 第39-40页 |
| ·推广性的界 | 第40-41页 |
| ·结构风险最小化 | 第41-42页 |
| ·支持向量机 | 第42-46页 |
| ·线性可分的最优分类面 | 第42-44页 |
| ·线性不可分的最优分类面 | 第44-45页 |
| ·支持向量机的核函数 | 第45页 |
| ·多类支持向量机 | 第45-46页 |
| ·基于SVM的人脸表情识别 | 第46-48页 |
| ·基于SVM的人脸表情识别步骤 | 第46-47页 |
| ·基于SVM的表情识别实验与分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 5 人脸表情识别系统实现与分析 | 第49-53页 |
| ·系统实现流程 | 第49页 |
| ·系统界面设计 | 第49-51页 |
| ·实验分析 | 第51-53页 |
| 6 结论 | 第53-55页 |
| ·工作总结 | 第53页 |
| ·课题展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士期间发表的论文 | 第58-59页 |
| 致谢 | 第59-61页 |
