人脸表情识别算法研究与系统实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 论文的研究背景与选题意义 | 第9-10页 |
| 1.2 表情识别技术 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-13页 |
| 1.2.2 国内研究现状 | 第13页 |
| 1.2.3 人脸表情识别系统 | 第13页 |
| 1.3 论文的内容安排 | 第13-15页 |
| 第二章 人脸检测与图像预处理 | 第15-23页 |
| 2.1 数据库的选择 | 第15页 |
| 2.2 形态学处理及人脸检测 | 第15-19页 |
| 2.2.1 膨胀运算 | 第16页 |
| 2.2.2 腐蚀运算 | 第16-17页 |
| 2.2.3 开运算与闭运算 | 第17页 |
| 2.2.4 人脸检测 | 第17-19页 |
| 2.3 归一化处理 | 第19-22页 |
| 2.3.1 尺度归一化 | 第20-21页 |
| 2.3.2 直方图均衡化 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 图像特征提取算法 | 第23-36页 |
| 3.1 静态特征提取算法 | 第23-24页 |
| 3.1.1 几何特征提取方法 | 第23页 |
| 3.1.2 外貌特征提取方法 | 第23-24页 |
| 3.2 动态特征提取算法 | 第24-25页 |
| 3.3 表情特征提取 | 第25-35页 |
| 3.3.1 LBP特征提取方法 | 第25-28页 |
| 3.3.2 LBP特征距离度量方法 | 第28-30页 |
| 3.3.3 Gabor小波特征 | 第30-31页 |
| 3.3.4 PCA特征提取方法 | 第31-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 分类器选择 | 第36-43页 |
| 4.1 分类器介绍 | 第36-37页 |
| 4.2 支持向量机 | 第37-40页 |
| 4.2.1 最优分类面 | 第37-38页 |
| 4.2.2 广义最优分类面 | 第38-39页 |
| 4.2.3 高维空间中的最优分类面 | 第39-40页 |
| 4.3 多类支持向量机法 | 第40-42页 |
| 4.3.1 “一对多”SVM | 第41页 |
| 4.3.2 “一对一”SVM | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 表情识别系统实现与算法验证 | 第43-51页 |
| 5.1 表情识别系统 | 第43-44页 |
| 5.2 开发环境 | 第44-45页 |
| 5.3 算法验证 | 第45-46页 |
| 5.4 LBP与PCA算法创新 | 第46-49页 |
| 5.4.1 PCA与LBP决策融合 | 第47-48页 |
| 5.4.2 算法分析与验证 | 第48-49页 |
| 5.5 本章小结 | 第49-51页 |
| 第六章 结论与讨论 | 第51-53页 |
| 6.1 结论 | 第51-52页 |
| 6.2 讨论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56页 |
