醉染图书人脸表情识别算法及应用9787124545

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..实验及结果分析/14

.改进Adaboost算法的人脸检测/15

..1由扩展的Haar-like特征生成弱分类器/16

..2Adaboost算法生成强分类器/16

..级联分类器的生成/18

..4学习机/20

..5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..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（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非线流形学习方法/74

6.2.2线子空间方法/76

6.3改进近邻分类法/81

6.4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LB/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

0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..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/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

1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

2章基于对称双线模型的光照鲁棒人脸表情分析/172

12.1概述/172

12.2双线模型/174

1.基于对称双线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

3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不同局部征编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

4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广义分类面/202

14.2.2线分类问题/203

14..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

5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

让机器看懂你的眼神
为读者提供一本反映当前表情识别系统发展水平的专业参考书籍。