基于自回归模型的动态表情识别
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 人脸检测与定位研究 | 第11-12页 |
| 1.2.2 表情特征提取研究 | 第12-15页 |
| 1.2.3 表情分类算法研究 | 第15-16页 |
| 1.3 小结与分析 | 第16页 |
| 1.4 论文的主要内容及组织结构 | 第16-19页 |
| 1.4.1 论文的主要内容 | 第16-17页 |
| 1.4.2 论文的组织结构 | 第17-19页 |
| 第二章 人脸检测与特征点定位 | 第19-36页 |
| 2.1 引言 | 第19-20页 |
| 2.2 Haar-like特征 | 第20-22页 |
| 2.2.1 Haar-like特征的概念与特点 | 第20-21页 |
| 2.2.2 Haar-like特征的计算-积分图 | 第21-22页 |
| 2.3 AdaBoost算法 | 第22-23页 |
| 2.4 人脸检测与关键部位定位 | 第23-25页 |
| 2.5 基于随机森林的特征点定位 | 第25-30页 |
| 2.5.1 随机森林算法介绍 | 第25-28页 |
| 2.5.2 基于随机森林的特征点定位 | 第28-30页 |
| 2.6 基于ASM模型的特征点定位 | 第30-35页 |
| 2.6.1 ASM模型介绍 | 第30-34页 |
| 2.6.2 表情序列的特征点跟踪 | 第34-35页 |
| 2.7 本章小结 | 第35-36页 |
| 第三章 动态表情特征提取 | 第36-44页 |
| 3.1 引言 | 第36页 |
| 3.2 表情序列归一化 | 第36-38页 |
| 3.2.1 图像归一化 | 第36-38页 |
| 3.2.2 表情序列归一化 | 第38页 |
| 3.3 动态表情特征提取 | 第38-43页 |
| 3.3.1 几何特征提取 | 第38-40页 |
| 3.3.2 纹理特征提取 | 第40-42页 |
| 3.3.3 混合特征提取 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于自回归模型的表情识别 | 第44-57页 |
| 4.1 引言 | 第44-45页 |
| 4.2 基于自回归模型的表情分类器训练 | 第45-47页 |
| 4.2.1 自回归模型的介绍 | 第45页 |
| 4.2.2 动态表情序列样本库的介绍 | 第45-46页 |
| 4.2.3 表情分类器的训练 | 第46-47页 |
| 4.3 表情识别 | 第47-52页 |
| 4.3.1 表情序列预测 | 第47-48页 |
| 4.3.2 表情识别决策 | 第48-52页 |
| 4.4 实验结果与分析 | 第52-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 全文总结 | 第57-58页 |
| 5.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士期间发表的论文 | 第64-65页 |
| 致谢 | 第65页 |
