摘要 | 第1-7页 |
Abstract | 第7-12页 |
第一章 绪论 | 第12-22页 |
·研究背景与项目情况 | 第12页 |
·自动人脸表情识别问题的描述 | 第12-13页 |
·人脸表情识别的研究意义与典型应用 | 第13-14页 |
·人脸表情识别的难点、优势与不足 | 第14-16页 |
·人脸表情识别的难点 | 第14-15页 |
·人脸表情识别的优势 | 第15-16页 |
·人脸表情识别的不足 | 第16页 |
·论文的定位与思考 | 第16-18页 |
·论文的定位 | 第16-17页 |
·表情识别的思考 | 第17-18页 |
·问题的提出及本人的工作 | 第18-21页 |
·问题的提出 | 第18-19页 |
·本文主要工作 | 第19-21页 |
·文章的组织结构 | 第21-22页 |
第二章 表情识别研究综述 | 第22-38页 |
·情感研究的背景和意义 | 第22页 |
·情绪理论研究 | 第22-27页 |
·情绪理论的研究发展历史 | 第22-23页 |
·情绪的分类 | 第23-27页 |
·情绪的表达 | 第27页 |
·人脸表情识别综述 | 第27-34页 |
·人脸表情识别的一般计算模型探讨 | 第28-29页 |
·人脸表情识别研究历史、现状概述 | 第29-32页 |
·人脸表情识别主要技术方法归类 | 第32-34页 |
·主要表情数据库的介绍 | 第34页 |
·主要的表情识别系统 | 第34页 |
·人脸表情识别领域的若干开放问题和技术发展趋势 | 第34-37页 |
·若干开放问题探讨 | 第34-36页 |
·可能的技术发展趋势 | 第36-37页 |
·本章小结 | 第37-38页 |
第三章 基于肤色和模板梯度的人脸检测 | 第38-49页 |
·引言 | 第38-39页 |
·前人的工作 | 第39-41页 |
·肤色检测 | 第39-40页 |
·模板检测 | 第40-41页 |
·基于肤色和梯度模板的人脸检测 | 第41-47页 |
·肤色检测 | 第41-43页 |
·模板检测 | 第43-44页 |
·算法检测过程 | 第44-47页 |
·实验及分析 | 第47-48页 |
·本章小节 | 第48-49页 |
第四章 改进的主动形状模型 | 第49-63页 |
·问题的提出 | 第49-50页 |
·前人工作简介 | 第50-52页 |
·搜索空间的改进 | 第52-54页 |
·搜索过程的改进 | 第54-57页 |
·搜索结果的评价 | 第57页 |
·实验与分析 | 第57-62页 |
·本章小结 | 第62-63页 |
第五章 基于DWT-DCT 的人脸表情识别 | 第63-70页 |
·问题的提出 | 第63-64页 |
·基于DWT-DCT 的人脸表情识别 | 第64-67页 |
·离散小波变换 | 第64-65页 |
·离散余弦变换 | 第65-66页 |
·ZIGZAG 拉直 | 第66页 |
·马氏距离识别 | 第66-67页 |
·实验及分析 | 第67-69页 |
·特征维数选取 | 第67-68页 |
·表情识别实验 | 第68-69页 |
·本章小节 | 第69-70页 |
第六章 人脸表情识别中独立特征的选取 | 第70-85页 |
·问题的提出 | 第70-71页 |
·前人的工作 | 第71-77页 |
·独立分量分析(ICA) | 第71-75页 |
·AdaBoost 分类方法简介 | 第75-77页 |
·AdaICA 人脸表情识别方法 | 第77-80页 |
·独立分量特征的提取与分析 | 第77-78页 |
·AdaBoost 学习 | 第78-80页 |
·实验及分析 | 第80-84页 |
·本章小结 | 第84-85页 |
第七章 基于改进LBP 算子的表情识别方法 | 第85-94页 |
·观点的由来 | 第85-86页 |
·前人的工作 | 第86-88页 |
·基于改进的“局部二元模式”人脸表情识别 | 第88-92页 |
·表情数据的小波包分解与重构 | 第88-90页 |
·局部-整体(Local-Holistic)的LBP 特征提取 | 第90页 |
·自适应权重的特征组合 | 第90-92页 |
·实验分析 | 第92-93页 |
·本章小结 | 第93-94页 |
第八章 总结与展望 | 第94-97页 |
·本文研究内容及主要工作 | 第94-95页 |
·主要研究内容 | 第94页 |
·主要工作 | 第94-95页 |
·后续工作 | 第95-96页 |
·表情识别的进一步研究方向 | 第96-97页 |
致谢 | 第97-98页 |
参考文献 | 第98-109页 |
博士期间论文发表情况 | 第109页 |