声明
摘要
图目录
表目录
缩写词对照表
数学符号对照表
1 绪论
1.1 研究背景与意义
1.2 面部表情识别的国内外研究现状
1.2.1 概述
1.2.2 子空间分析方法的研究现状
1.2.3 数据库简介
1.3 面部表情识别存在的难点
1.4 本文的主要内容
1.5 章节安排
2 广义多重最大散布差算法(GMMSD)
2.1 引言
2.2 GMMSD算法
2.2.1 GMMSD准则
2.2.2 基于GMMSD的特征提取步骤
2.2.3 GMMSD复杂度分析
2.3 GMMSD与其它特征提取算法的联系
2.3.1 GMMSD与N-LDA算法的联系
2.3.2 GMMSD与MMSD算法的联系
2.4 实验结果及分析
2.4.1 GMMSDSD vs.MMSD
2.4.2 表情库中各算法特征提取性能分析
2.4.3 人脸库中各算法特征提取性能分析
2.4.4 计算复杂度对比与分析
2.4.5 GMMSD与其它算法的特征提取性能对比
2.4.6 讨论
2.5 本章小结
3 增量更新的广义多重最大散布差算法(IGMMSD+)
3.1 引言
3.2 GMMSD+算法
3.2.1 模型表述
3.2.2 算法分析
3.3 增量更新步骤
3.3.1 添加新样本到存在的类别
3.3.2 添加新样本到新类别
3.4 复杂度分析
3.5 实验结果及分析
3.5.1 各算法的特征提取性能分析
3.5.2 增量型GMMSD+的训练性能
3.6 本章小结
4 多流形鉴别分析的表情特征提取算法(MMDA)
4.1 引言
4.2 基于MMDA的面部表情识别算法
4.2.1 模型建立
4.2.2 分类器设计
4.3 基于MMDA的表情识别系统设计框架
4.4 实验结果及分析
4.4.1 显著区域检测
4.4.2 面部表情特征表示
4.4.3 特征提取性能分析
4.5 本章小结
5 二维多流形鉴别分析的表情特征提取算法(2DMMDA)
5.1 引言
5.2 二维多流形鉴别分析算法
5.2.1 模型建立
5.2.2 算法步骤
5.2.3 2DMMDA与其它算法之l司的联系
5.2.4 讨论
5.3 基于2DMMDA的面部表情识别框架
5.4 实验结果及分析
5.4.1 2DMMDA的参数选择
5.4.2 特征提取性能分析
5.4.3 针对不同显著区域的表情识别性能分析
5.5 本章小结
6 总结与展望
6.1 工作总结
6.2 展望
参考文献
作者简介
在校期间发表的学术论文及参与的科研项目
致谢