| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景和意义 | 第7-8页 |
| ·本文研究内容 | 第8-9页 |
| ·论文组织结构 | 第9-11页 |
| 第二章 人脸表情识别的关键技术 | 第11-23页 |
| ·表情库 | 第11-12页 |
| ·人脸检测与定位 | 第12-14页 |
| ·基于静态图像的人脸检测 | 第13-14页 |
| ·基于视频序列的人脸检测 | 第14页 |
| ·图像预处理 | 第14-16页 |
| ·人脸图像归一化 | 第15页 |
| ·直方图均衡化 | 第15页 |
| ·二值化 | 第15-16页 |
| ·特征提取 | 第16-20页 |
| ·基于静态图像的特征提取 | 第17-19页 |
| ·基于视频序列的特征提取 | 第19-20页 |
| ·表情分类 | 第20-23页 |
| ·空时结合法 | 第20-21页 |
| ·空间分析法 | 第21-23页 |
| 第三章 基于 2DPCA 和 SVM 方法的人脸表情识别 | 第23-45页 |
| ·人脸检测与定位 | 第23-25页 |
| ·人脸预处理 | 第25-26页 |
| ·尺度归一化 | 第25-26页 |
| ·灰度归一化 | 第26页 |
| ·特征提取 | 第26-33页 |
| ·基于 2DPCA 的图像特征提取 | 第26-29页 |
| ·散度矩阵 | 第27页 |
| ·图像的特征矩阵 | 第27-28页 |
| ·训练样本的特征提取 | 第28页 |
| ·测试样本的特征提取 | 第28-29页 |
| ·基于 PCA 的特征降维 | 第29-33页 |
| ·K-L 变换基本原理 | 第29-31页 |
| ·PCA 降维处理 | 第31-33页 |
| ·基于 SVM 方法的表情分类 | 第33-37页 |
| ·SVM 原理 | 第33-36页 |
| ·线性可分问题 | 第33-34页 |
| ·非线性可分问题 | 第34-36页 |
| ·多类别的 SVM 分类 | 第36-37页 |
| ·实验和实验结果分析 | 第37-45页 |
| ·特定人脸的表情识别 | 第38-42页 |
| ·非特定人脸的表情识别 | 第42-45页 |
| 第四章 基于光流法和 2DPCA 联合的人脸表情识别 | 第45-57页 |
| ·基于金字塔 LK 算法的光流特征的提取 | 第46-50页 |
| ·光流约束方程 | 第47-48页 |
| ·构造图像金字塔 | 第48-49页 |
| ·选取图像的特征点 | 第49页 |
| ·基于特征点跟踪算法的光流计算 | 第49-50页 |
| ·光流特征和 2DPCA 特征的结合 | 第50-52页 |
| ·表情特征的 PCA 降维处理 | 第51页 |
| ·表情特征的缩放处理 | 第51-52页 |
| ·表情特征分类 | 第52-53页 |
| ·实验和实验结果分析 | 第53-57页 |
| ·特定人脸的表情识别 | 第53-54页 |
| ·非特定人脸的表情识别 | 第54-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-66页 |