| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景和意义 | 第11-12页 |
| ·面部运动的参数化表示 | 第12-14页 |
| ·FACS(Facial Action Coding System,面部动作编码系统) | 第12-14页 |
| ·FAP(The Facial Animation Parameter,面部动画参数) | 第14页 |
| ·情绪检测系统的评价指标 | 第14-15页 |
| ·研究目标及主要内容 | 第15-16页 |
| ·论文的组织与安排 | 第16-17页 |
| 第2章 情绪检测系统研究概述 | 第17-24页 |
| ·情绪检测系统的框架 | 第17-19页 |
| ·表情特征提取 | 第18-19页 |
| ·表情的分类与识别 | 第19页 |
| ·代表性研究 | 第19-20页 |
| ·部分常用面部表情数据库 | 第20-23页 |
| ·Cohn-Kanade(CK)表情数据库 | 第20-21页 |
| ·PIE(CMU Pose,Illumination,Expression)数据库 | 第21-22页 |
| ·JAFFE(Japanese Female Facial Expression,日本女性面部表情数据库) | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于Adaboost的人脸检测与定位 | 第24-39页 |
| ·机器学习与Adaboost算法的发展概述 | 第24-25页 |
| ·Adaboost算法的发展概述 | 第25页 |
| ·Haar特征 | 第25-28页 |
| ·积分图 | 第28-31页 |
| ·正积分图 | 第28-30页 |
| ·斜积分图 | 第30-31页 |
| ·Adaboost算法描述 | 第31-33页 |
| ·一些基本概念 | 第31-32页 |
| ·Adaboost算法流程 | 第32-33页 |
| ·弱分类器及其选择算法 | 第33页 |
| ·级联强分类器 | 第33-35页 |
| ·训练级联分类器 | 第34-35页 |
| ·检测过程 | 第35-36页 |
| ·多尺度检测 | 第35-36页 |
| ·合并重叠区域 | 第36页 |
| ·实验结果与分析 | 第36-38页 |
| ·样本 | 第36-37页 |
| ·预处理 | 第37页 |
| ·实验结果 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 搜索窗口与肤色检测 | 第39-48页 |
| ·人脸搜索窗口 | 第39-42页 |
| ·基于视频的人脸搜索窗口的设定 | 第39-42页 |
| ·肤色检测 | 第42-47页 |
| ·肤色检测的困难 | 第42-43页 |
| ·颜色空间 | 第43-45页 |
| ·肤色模型 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于Gentle Adaboost的情绪检测系统 | 第48-62页 |
| ·获取表情区域 | 第48-52页 |
| ·样本 | 第48-49页 |
| ·图像预处理 | 第49-52页 |
| ·Gentle Adaboost算法 | 第52-54页 |
| ·Genle Adaboost的算法流程 | 第52-53页 |
| ·Gentle Adaboost算法的优势 | 第53页 |
| ·基于查找表的Gentle Adaboost算法的实现方法 | 第53-54页 |
| ·实验结果与分析 | 第54-61页 |
| ·情绪检测 | 第54-58页 |
| ·笑脸强度检测 | 第58-59页 |
| ·视频中的情绪检测 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| ·本文总结 | 第62-63页 |
| ·后续展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间参加的科研项目和成果 | 第69页 |
