人臉表情辨識算法及應用

第1章 緒論
1.1 人臉表情辨識系統概述
1.2 基於動態圖像序列的人臉表情辨識的研究情況
1.3 微表情辨識的研究情況
1.3.1 微表情辨識的應用研究
1.3.2 微表情表達的研究
1.3.3 微表情辨識的算法研究
1.3.4 微表情數據庫的研究
1.4 魯棒性人臉表情辨識的研究情況
1.4.1 面部有遮擋的表情辨識研究現狀
1.4.2 非均匀光照下的表情辨識研究現狀
1.4.3 與視角無關的表情辨識研究現狀
1.5 人臉表情辨識相關資料匯總
參考文獻

第2章 人臉檢測與定位
2.1 概述
2.2 基於膚色分割和模板匹配算法的快速人臉檢測
2.2.1 基於彩色資訊的圖像分割
2.2.2 自適應模板匹配
2.2.3 仿真實驗及結果分析
2.3 改進Adaboost算法的人臉檢測
2.3.1 由擴展的Haar-like特徵生成弱分類器
2.3.2 Adaboost算法生成強分類器
2.3.3 級聯分類器的生成
2.3.4 極端學習機
2.3.5 仿真實驗及結果分析
參考文獻

第3章 基於Candide3模型的人臉表情追蹤及動態特徵提取
3.1 概述
3.2 基於Candide3臉模型的追蹤算法研究
3.2.1 Candide3臉模型的研究
3.2.2 基於Candide3模型的追蹤算法研究
3.3 追蹤算法改進
3.3.1 光照處理
3.3.2 基於在線表觀模型的追蹤算法
3.3.3 模型的自動初始化研究
3.3.4 改進算法後追蹤實驗
3.4 動態特徵提取
3.4.1 特徵點的追蹤
3.4.2 動態特徵提取
3.4.3 基於k均值的聚類分析
參考文獻

第4章 表情分類的實現
4.1 概述
4.2 K近鄰分類器
4.2.1 K近鄰規則
4.2.2 K近鄰分類的距離度量
4.2.3 基於K近鄰分類器的分類實驗
4.3 流形學習
4.3.1 主成分分析 （PCA）
4.3.2 拉普拉斯映射 （LE）
4.3.3 基於流形學習的降維分類實驗
4.4 支持向量機
4.4.1 支持向量機的基本思想
4.4.2 非線性支持向量機
4.4.3 基於支持向量機的分類實驗
4.5 基於Adaboost的分類研究
4.5.1 Adaboost算法
4.5.2 基於Adaboost的分類實驗
參考文獻

第5章 人臉動態序列圖像表情特徵提取
5.1 概述
5.2 基於主動外觀模型的運動特徵提取
5.2.1 主動形狀模型
5.2.2 幾何特徵提取
5.3 基於Candide3 三維人臉模型的動態特徵提取
5.3.1 Candide3 三維人臉模型
5.3.2 提取表情運動參數特徵
5.4 動態時間規整（ DTW）
5.5 特徵選擇
5.5.1 基於Fisher準則的特徵選擇
5.5.2 基於分布估計算法的特徵選擇
5.6 仿真實驗及結果分析
5.6.1 基於主動外觀模型的運動特徵提取
5.6.2 基於Candide3 模型的動態特徵提取
參考文獻

第6章 基於子空間分析和改進最近鄰分類的表情辨識
6.1 概述
6.2 特徵降維
6.2.1 非線性流形學習方法
6.2.2 線性子空間方法
6.3 改進最近鄰分類法
6.4 仿真實驗及結果分析
參考文獻

第7章 微表情序列圖像預處理86
7.1 概述
7.2 灰階歸一化
7.3 尺度歸一化
7.4 序列長度歸一化
7.4.1 時間插值法原理
7.4.2 時間插值法建模
7.4.3 時間插值法實現
參考文獻

第8章 基於多尺度LBP-TOP的微表情特徵提取
8.1 概述
8.2 多尺度分析
8.2.1 平滑濾波
8.2.2 高斯微分
8.3 局部二值模式
8.3.1 原始LBP
8.3.2 改進LBP
8.3.3 降維
8.3.4 靜態特徵統計
8.4 時空局部二值模式
8.4.1 LBP-TOP
8.4.2 動態特徵統計
8.5 多尺度LBP-TOP
參考文獻

第9章 基於全局光流與LBP-TOP特徵結合的微表情特徵提取
9.1 概述
9.2 相關理論
9.2.1 運動場及光流場
9.2.2 經典運算方法
9.3 問題描述
9.3.1 約束條件
9.3.2 模型構建
9.4 算法實現
9.4.1 目標優化
9.4.2 多解析度策略
9.4.3 特徵統計
9.5 光流與LBP-TOP特徵結合
參考文獻

第10章 人臉微表情分類器設計及實驗分析
10.1 概述
10.2 支持向量機
10.2.1 分類原理
10.2.2 樣本空間
10.2.3 模型參數優化
10.3 隨機森林
10.3.1 集成學習
10.3.2 決策樹
10.3.3 組合分類模型
10.4 評價準則
10.5 實驗對比驗證
10.5.1 辨識LBP-TOP特徵
10.5.2 辨識GDLBP-TOP特徵
10.5.3 辨識OF特徵
10.5.4 辨識LBP-TOP＋OF特徵
參考文獻

第11章 基於Gabor多方向特徵融合與分塊直方圖的表情特徵提取
11.1 概述
11.2 人臉表情圖像的Gabor特徵表徵
11.2.1 二維Gabor濾波器
11.2.2 人臉表情圖像的Gabor特徵表徵
11.3 二維Gabor小波多方向特徵融合
11.3.1 融合規則1
11.3.2 融合規則2
11.4 分塊直方圖特徵選擇
11.5 基於Gabor特徵融合與分塊直方圖統計的特徵提取
11.6 算法可行性分析
11.7 實驗描述及結果分析
11.7.1 實驗流程
11.7.2 表情圖庫中圖像預處理
11.7.3 實驗描述
11.7.4 實驗結果分析
11.7.5 所選融合特徵的尺度分析
參考文獻

第12章 基於對稱雙線性模型的光照魯棒性人臉表情分析
12.1 概述
12.2 雙線性模型
12.3 基於對稱雙線性變換的表情圖像處理
12.4 光照變換
12.5 實驗描述及結果分析
12.5.1 實驗描述
12.5.2 實驗對比
參考文獻

第13章 基於局部特徵徑向編碼的局部遮擋表情特徵提取
13.1 概述
13.2 表情圖像預處理
13.3 局部特徵提取與表徵
13.4 Gabor特徵徑向編碼
13.5 算法可行性分析
13.6 實驗描述及結果分析
13.6.1 局部子塊數對辨識結果的影響
13.6.2 徑向網格尺寸對辨識結果的影響
13.6.3 左/右人臉區域遮擋對辨識結果的影響
13.6.4 不同局部特徵編碼方法的實驗對比分析
13.6.5 遮擋對於表情辨識的影響
參考文獻

第14章 局部累加核支持向量機分類器
14.1 概述
14.2 支持向量機基本理論
14.2.1 廣義最佳分類面
14.2.2 線性分類問題
14.2.3 支持向量機
14.2.4 核函數
14.3 局部徑向基累加核支持向量機
14.4 局部歸一化線性累加核支持向量機
14.5 實驗描述及結果分析
14.5.1 實驗描述
14.5.2 對比實驗
參考文獻

第15章 基於主動視覺的人臉追蹤與表情辨識系統
15.1 概述
15.2 系統架構
15.2.1 硬體設計
15.2.2 使用者介面的設計
15.3 相關算法
15.3.1 雲臺追蹤算法
15.3.2 表情辨識算法
15.4仿真實驗及結果分析
15.4.1 人臉定位追蹤實驗
15.4.2 人臉表情辨識實驗
參考文獻