| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-22页 |
| ·引言 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·人脸表情识别系统 | 第10-16页 |
| ·图像获取 | 第10-11页 |
| ·图像预处理 | 第11-13页 |
| ·特征提取 | 第13-15页 |
| ·表情分类 | 第15-16页 |
| ·人机交互(human-computer interaction,HCI)和情感计算 | 第16-19页 |
| ·人机交互 | 第16-17页 |
| ·情感计算 | 第17-18页 |
| ·表情识别与人机交互、情感计算 | 第18-19页 |
| ·本文研究的目的、意义、存在的困难和主要研究内容 | 第19-22页 |
| ·研究目的 | 第19页 |
| ·研究意义 | 第19-20页 |
| ·存在的困难 | 第20页 |
| ·研究内容 | 第20-22页 |
| 2 图像预处理 | 第22-31页 |
| ·引言 | 第22页 |
| ·预处理的重要性 | 第22-23页 |
| ·人眼定位 | 第23-26页 |
| ·人眼粗略定位 | 第24-25页 |
| ·人眼精确定位 | 第25-26页 |
| ·几何归一化 | 第26-27页 |
| ·灰度归一化 | 第27-29页 |
| ·实验图像预处理结果 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 表情特征提取 | 第31-44页 |
| ·引言 | 第31-33页 |
| ·Gabor滤波器 | 第33-35页 |
| ·Gabor滤波器提取表情特征 | 第35-36页 |
| ·Gabor特征提取后的降维 | 第36-37页 |
| ·局域二值模式(Local Binary Pattern,LBP) | 第37-38页 |
| ·LBP算子在表情识别上的应用 | 第38-41页 |
| ·模板匹配 | 第41页 |
| ·实验结果及分析 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 4 基于支持向量机的人脸表情识别 | 第44-59页 |
| ·引言 | 第44-45页 |
| ·最优分类面 | 第45-46页 |
| ·广义最优分类面 | 第46-47页 |
| ·支持向量机 | 第47-51页 |
| ·SVM多类分类器 | 第51-52页 |
| ·one-against-one方法 | 第51-52页 |
| ·one-against-all方法 | 第52页 |
| ·SVM分类器的设计 | 第52-54页 |
| ·K-近邻法 | 第54-55页 |
| ·基于SVM的人脸表情识别实验结果 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 5 人脸表情识别系统的实现和实验结果 | 第59-66页 |
| ·人脸表情识别系统的设计 | 第59-61页 |
| ·视频读取 | 第60页 |
| ·人脸检测和图像预处理 | 第60-61页 |
| ·人脸表情特征提取 | 第61页 |
| ·人脸表情分类器的设计 | 第61页 |
| ·人脸表情识别系统的实现 | 第61-64页 |
| ·系统功能 | 第61-62页 |
| ·模块设计和功能 | 第62-64页 |
| ·实验结果 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-69页 |
| ·全文工作总结 | 第66-67页 |
| ·工作展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 附录 | 第75页 |