基于LBP和LPQ的人脸表情识别
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 人脸表情识别的研究和内容 | 第15-18页 |
| 1.4 人脸表情库 | 第18页 |
| 1.5 论文研究框架 | 第18-20页 |
| 第2章 人脸表情图像的预处理 | 第20-26页 |
| 2.1 引言 | 第20页 |
| 2.2 人眼定位 | 第20-22页 |
| 2.2.1 人眼粗定位 | 第20-21页 |
| 2.2.2 人眼精确定位 | 第21-22页 |
| 2.3 几何处理 | 第22-23页 |
| 2.3.1 人脸区域的分割 | 第22-23页 |
| 2.3.2 尺度归一化处理 | 第23页 |
| 2.4 灰度归一化处理 | 第23-24页 |
| 2.5 预处理后的表情图像 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 融合LBP与LPQ的人脸表情特征提取 | 第26-39页 |
| 3.1 引言 | 第26页 |
| 3.2 基于LBP区域直方图的表情识别 | 第26-28页 |
| 3.3 基于LPQ区域直方图的表情识别 | 第28-29页 |
| 3.4 基于Gabor区域直方图的表情识别 | 第29-32页 |
| 3.4.1 二维Gabor小波变换 | 第29-30页 |
| 3.4.2 人脸表情图像的Gabor特征提取 | 第30页 |
| 3.4.3 基于PCA的特征降维处理 | 第30-32页 |
| 3.5 融合LBP和LPQ的特征提取 | 第32页 |
| 3.6 对比试验以及结果分析 | 第32-38页 |
| 3.6.1 训练集错误率收敛比 | 第32-36页 |
| 3.6.2 实验结果分析 | 第36-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第4章 表情分类器的选择 | 第39-47页 |
| 4.1 引言 | 第39页 |
| 4.2 基于SVM的人脸表情识别 | 第39-41页 |
| 4.2.1 SVM基本概念 | 第39-40页 |
| 4.2.2 核函数 | 第40页 |
| 4.2.3“一对多”分类策略 | 第40-41页 |
| 4.2.4“一对一”分类策略 | 第41页 |
| 4.3 基于DBN的模型的人脸表情识别 | 第41-45页 |
| 4.3.1 DBN模型简介 | 第41-42页 |
| 4.3.2 受限玻尔兹曼机 | 第42-43页 |
| 4.3.3 Feed Forward BP网络 | 第43-44页 |
| 4.3.4 DBN参数的设置 | 第44-45页 |
| 4.4 实验结果与分析 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 基于B/S架构的人脸表情识别系统设计 | 第47-55页 |
| 5.1 引言 | 第47页 |
| 5.2 表情识别系统流程 | 第47-48页 |
| 5.3 表情识别系统设计相关技术 | 第48-51页 |
| 5.3.1 系统总体技术路线 | 第48-49页 |
| 5.3.2 .NET技术 | 第49页 |
| 5.3.3 Mysql数据库技术 | 第49-50页 |
| 5.3.4 Bootstrap框架 | 第50-51页 |
| 5.4 表情识别系统各模块介绍 | 第51-52页 |
| 5.4.1 图像预处理模块 | 第51页 |
| 5.4.2 表情特征提取模块 | 第51-52页 |
| 5.4.3 表情分类模块 | 第52页 |
| 5.5 人脸表情识别系统实现 | 第52-54页 |
| 5.6 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 论文总结 | 第55页 |
| 6.2 未来展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录 | 第63页 |
