| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 人脸表情库的国内外研究现状 | 第10页 |
| 1.2.2 人脸表情识别国内外研究现状 | 第10-13页 |
| 1.3 人脸面部表情识别研究面临的问题 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第2章 人脸表情特征提取方法 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 HOG特征提取 | 第15-19页 |
| 2.3 LBP特征提取 | 第19-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于稀疏表示分类的表情识别 | 第24-36页 |
| 3.1 引言 | 第24-25页 |
| 3.2 人脸表情识别常用的分类器 | 第25-29页 |
| 3.2.1 近邻分类器 | 第25-26页 |
| 3.2.2 人工神经网络 | 第26-27页 |
| 3.2.3 支持向量机 | 第27-29页 |
| 3.3 基于稀疏表示的分类方法 | 第29-34页 |
| 3.3.1 基于稀疏表示分类原理 | 第29-31页 |
| 3.3.2 字典学习 | 第31-33页 |
| 3.3.3 稀疏系数的求解 | 第33-34页 |
| 3.3.4 基于稀疏表示方法分类的鲁棒性 | 第34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 特征集结合字典学习的稀疏表示表情分类 | 第36-54页 |
| 4.1 引言 | 第36-37页 |
| 4.2 基于稀疏表示分类的学习 | 第37-42页 |
| 4.2.1 最大散度差判别准则 | 第37-38页 |
| 4.2.2 基于最大散度差准则和聚类的字典学习 | 第38-42页 |
| 4.3 加权分类策略 | 第42-43页 |
| 4.4 实验所用表情数据库简介 | 第43-44页 |
| 4.5 HOG特征集结合字典学习的稀疏表示表情分类 | 第44-49页 |
| 4.5.1 基于HOG特征集的字典学习 | 第44-45页 |
| 4.5.2 基于HOG特征的人脸表情分类 | 第45页 |
| 4.5.3 HOG+SRC实验与结果分析 | 第45-49页 |
| 4.6 LBP特征集结合字典学习的稀疏表示表情分类 | 第49-53页 |
| 4.6.1 基于LBP特征集的字典学习 | 第49-50页 |
| 4.6.2 基于LBP特征的人脸表情分类 | 第50-51页 |
| 4.6.3 LBP+SRC实验与结果分析 | 第51-53页 |
| 4.7 本章小结 | 第53-54页 |
| 第5章 基于特征融合的人脸表情分类 | 第54-58页 |
| 5.1 引言 | 第54页 |
| 5.2 特征融合 | 第54-56页 |
| 5.2.1 典型相关分析原理 | 第54-55页 |
| 5.2.2 基于典型相关分析特征融合算法 | 第55-56页 |
| 5.3 基于HOG特征与LBP特征融合的面部表情分类 | 第56-57页 |
| 5.4 实验与结果分析 | 第57页 |
| 5.5 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 全文总结 | 第58-59页 |
| 6.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士期间发表的论文和参与的科研项目 | 第64-65页 |
| 致谢 | 第65-66页 |
