人脸表情识别算法及应用 田彦涛,刘帅师,万川 著 专业科技 文轩网

第1章绪论/1
1.1人脸表情识别系统概述/1
1.2基于动态图像序列的人脸表情识别的研究情况/2
1.3微表情识别的研究情况/4
1.3.1微表情识别的应用研究/4
1.3.2微表情表达的研究/4
1.3.3微表情识别的算法研究/4
1.3.4微表情数据库的研究/5
1.4鲁棒性人脸表情识别的研究情况/6
1.4.1面部有遮挡的表情识别研究现状/7
1.4.2非均匀光照下的表情识别研究现状/7
1.4.3与视角无关的表情识别研究现状/8
1.5人脸表情识别相关资料汇总/8
参考文献/8
第2章人脸检测与定位/9
2.1概述/9
2.2基于肤色分割和模板匹配算法的快速人脸检测/10
2.2.1基于彩色信息的图像分割/10
2.2.2自适应模板匹配/12
2.2.3仿真实验及结果分析/14
2.3改进Adaboost算法的人脸检测/15
2.3.1由扩展的Haar-like特征生成弱分类器/16
2.3.2Adaboost算法生成强分类器/16
2.3.3级联分类器的生成/18
2.3.4特别学习机/20
2.3.5仿真实验及结果分析/22
参考文献/25
第3章基于Candide3模型的人脸表情跟踪及动态特征提取/26
3.1概述/26
3.2基于Candide3人脸模型的跟踪算法研究/26
3.2.1Candide3人脸模型的研究/26
3.2.2基于Candide3模型的跟踪算法研究/28
3.3跟踪算法改进/33
3.3.1光照处理/33
3.3.2基于在线表观模型的跟踪算法/34
3.3.3模型的自动初始化研究/34
3.3.4改进算法后跟踪实验/36
3.4动态特征提取/37
3.4.1特征点的跟踪/37
3.4.2动态特征提取/38
3.4.3基于k均值的聚类分析/39
参考文献/42
第4章表情分类的实现/44
4.1概述/44
4.2K近邻分类器/44
4.2.1K近邻规则/44
4.2.2K近邻分类的距离度量/44
4.2.3基于K近邻分类器的分类实验/45
4.3流形学习/46
4.3.1主成分分析（PCA）/47
4.3.2拉普拉斯映射（LE）/47
4.3.3基于流形学习的降维分类实验/48
4.4支持向量机/51
4.4.1支持向量机的基本思想/51
4.4.2非线性支持向量机/52
4.4.3基于支持向量机的分类实验/52
4.5基于Adaboost的分类研究/53
4.5.1Adaboost算法/53
4.5.2基于Adaboost的分类实验/54
参考文献/55
第5章人脸动态序列图像表情特征提取/56
5.1概述/56
5.2基于主动外观模型的运动特征提取/56
5.2.1主动形状模型/56
5.2.2几何特征提取/57
5.3基于Candide3三维人脸模型的动态特征提取/59
5.3.1Candide3三维人脸模型/59
5.3.2提取表情运动参数特征/59
5.4动态时间规整（DTW）/61
5.5特征选择/64
5.5.1基于Fisher准则的特征选择/64
5.5.2基于分布估计算法的特征选择/65
5.6仿真实验及结果分析/67
5.6.1基于主动外观模型的运动特征提取/67
5.6.2基于Candide3模型的动态特征提取/69
参考文献/72
第6章基于子空间分析和改进最近邻分类的表情识别/74
6.1概述/74
6.2特征降维/74
6.2.1非线性流形学习方法/74
6.2.2线性子空间方法/76
6.3改进最近邻分类法/81
6.4仿真实验及结果分析/84
参考文献/85
第7章微表情序列图像预处理/86
7.1概述/86
7.2灰度归一化/86
7.3尺度归一化/88
7.4序列长度归一化/89
7.4.1时间插值法原理/90
7.4.2时间插值法建模/91
7.4.3时间插值法实现/93
参考文献/95
第8章基于多尺度LBP-TOP的微表情特征提取/97
8.1概述/97
8.2多尺度分析/97
8.2.1平滑滤波/97
8.2.2高斯微分/99
8.3局部二值模式/101
8.3.1原始LBP/101
8.3.2改进LBP/102
8.3.3降维/103
8.3.4静态特征统计/105
8.4时空局部二值模式/106
8.4.1LBP-TOP/107
8.4.2动态特征统计/109
8.5多尺度LBP-TOP/112
参考文献/114
第9章基于全局光流与LBP-TOP特征结合的微表情特征提取/115
9.1概述/115
9.2相关理论/115
9.2.1运动场及光流场/115
9.2.2经典计算方法/116
9.3问题描述/117
9.3.1约束条件/117
9.3.2模型构建/119
9.4算法实现/120
9.4.1目标优化/120
9.4.2多分辨率策略/122
9.4.3特征统计/124
9.5光流与LBP-TOP特征结合/128
参考文献/129
第10章人脸微表情分类器设计及实验分析/131
10.1概述/131
10.2支持向量机/131
10.2.1分类原理/131
10.2.2样本空间/132
10.2.3模型参数优化/135
10.3随机森林/136
10.3.1集成学习/137
10.3.2决策树/137
10.3.3组合分类模型/139
10.4评价准则/141
10.5实验对比验证/143
10.5.1识别LBP-TOP特征/143
10.5.2识别GDLBP-TOP特征/146
10.5.3识别OF特征/147
10.5.4识别LBP-TOP＋OF特征/149
参考文献/153
第11章基于Gabor多方向特征融合与分块直方图的表情特征提取/155
11.1概述/155
11.2人脸表情图像的Gabor特征表征/156
11.2.1二维Gabor滤波器/156
11.2.2人脸表情图像的Gabor特征表征/157
11.3二维Gabor小波多方向特征融合/159
11.3.1融合规则1/159
11.3.2融合规则2/160
11.4分块直方图特征选择/161
11.5基于Gabor特征融合与分块直方图统计的特征提取/162
11.6算法可行性分析/163
11.7实验描述及结果分析/164
11.7.1实验流程/164
11.7.2表情图库中图像预处理/165
11.7.3实验描述/166
11.7.4实验结果分析/167
11.7.5所选融合特征的尺度分析/169
参考文献/170
第12章基于对称双线性模型的光照鲁棒性人脸表情分析/172
12.1概述/172
12.2双线性模型/174
12.3基于对称双线性变换的表情图像处理/175
12.4光照变换/178
12.5实验描述及结果分析/181
12.5.1实验描述/181
12.5.2实验对比/182
参考文献/185
第13章基于局部特征径向编码的局部遮挡表情特征提取/187
13.1概述/187
13.2表情图像预处理/188
13.3局部特征提取与表征/190
13.4Gabor特征径向编码/190
13.5算法可行性分析/193
13.6实验描述及结果分析/193
13.6.1局部子块数对识别结果的影响/195
13.6.2径向网格尺寸对识别结果的影响/195
13.6.3左/右人脸区域遮挡对识别结果的影响/196
13.6.4不同局部特征编码方法的实验对比分析/196
13.6.5遮挡对于表情识别的影响/197
参考文献/198
第14章局部累加核支持向量机分类器/201
14.1概述/201
14.2支持向量机基本理论/202
14.2.1广义很优分类面/202
14.2.2线性分类问题/203
14.2.3支持向量机/205
14.2.4核函数/206
14.3局部径向基累加核支持向量机/206
14.4局部归一化线性累加核支持向量机/207
14.5实验描述及结果分析/209
14.5.1实验描述/209
14.5.2对比实验/210
参考文献/213
第15章基于主动视觉的人脸跟踪与表情识别系统/214
15.1概述/214
15.2系统架构/214
15.2.1硬件设计/214
15.2.2交互界面的设计/217
15.3相关算法/218
15.3.1云台跟踪算法/218
15.3.2表情识别算法/220
15.4仿真实验及结果分析/221
15.4.1人脸定位跟踪实验/221
15.4.2人脸表情识别实验/224
参考文献/227
索引/229