声明
摘要
第1章 绪论
1.1 研究背景和意义
1.2 研究现状
1.2.1 人脸表情识别的理论研究现状
1.2.2 人脸表情识别技术的应用现状
1.3 人脸表情识别系统的概述
1.4 本文研究内容及组织结构
1.4.1 本文研究内容
1.4.2 本文组织结构
第2章 人脸检测与图像预处理
2.1 引言
2.2 基于AdaBoost算法的人脸检测与人眼定位
2.2.1 AdaBoost算法概述
2.2.2 AdaBoost训练分类器
2.2.3 级联分类器
2.2.4 实验结果
2.3 图像预处理
2.3.1 图像灰度化处理
2.3.2 图像几何规范化处理
2.3.3 图像灰度均衡化处理
2.3.4 实验结果
2.4 本章小结
第3章 人脸表情的特征提取方法研究与改进
3.1 引言
3.2 人脸表情的基本定义
3.2.1 基本表情分类
3.2.2 人脸表情数据库
3.3 基于主动外观模型的人脸表情特征提取研究
3.3.1 特征点标定和样本对齐
3.3.2 AAM模型建立
3.3.3 AAM拟合计算
3.3.4 表情特征的提取
3.4 基于加权主成分分析的人脸表情特征提取研究与改进
3.4.1 主成分分析算法
3.4.2 加权主成分分析算法
3.4.3 改进的加权主成分分析算法
3.5 实验结果与分析
3.5.1 AAM的拟合实验结果与分析
3.5.2 改进WPCA的实验结果与分析
3.6 本章小结
第4章 人脸表情的特征选择与特征融合
4.1 引言
4.2 基于粗糙集的表情特征选择
4.2.1 粗糙集基本理论
4.2.2 基于粗糙集的AAM表情特征选择
4.2.3 基于粗糙集的改进WPCA表情特征选择
4.3 基于SPP-CCA的几何特征与统计特征融合
4.3.1 信息融合的基本理论
4.3.2 改进的典型相关分析算法
4.3.3 几何特征与统计特征融合的实现步骤
4.4 实验结果与分析
4.4.1 特征选择的实验结果与分析
4.4.2 特征融合的实验结果与分析
4.5 本章小结
第5章 基于特征融合和特征加权SVM的人脸表情识别
5.1 引言
5.2 基于支持向量机的表情分类
5.2.1 最优分类面
5.2.2 广义最优分类面
5.2.3 高维空间中的分类面
5.2.4 基于SVM的多类表情分类
5.3 基于特征加权SVM的表情分类
5.3.1 核函数的选择
5.3.2 基于特征加权的组合核函数
5.3.3 基于特征加权SVM的分类步骤
5.4 人脸表情识别系统的设计与实现
5.4.1 人脸表情识别系统的总体结构
5.4.2 人脸表情识别系统的实现
5.5 实验结果与分析
5.6 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
攻读硕士学位期间的获奖情况
东北大学;