第1 章　緒論　/ 1
　1.1　人臉表情識(shí)別系統(tǒng)概述　/ 1
　1.2　基于動(dòng)態(tài)圖像序列的人臉表情識(shí)別的研究情況　/ 2
　1.3　微表情識(shí)別的研究情況　/ 4
　　1.3.1　微表情識(shí)別的應(yīng)用研究　/ 4
　　1.3.2　微表情表達(dá)的研究　/ 4
　　1.3.3　微表情識(shí)別的算法研究　/ 4
　　1.3.4　微表情數(shù)據(jù)庫的研究　/ 5
　1.4　魯棒性人臉表情識(shí)別的研究情況　/ 6
　　1.4.1　面部有遮擋的表情識(shí)別研究現(xiàn)狀　/ 7
　　1.4.2　非均勻光照下的表情識(shí)別研究現(xiàn)狀　/ 7
　　1.4.3　與視角無關(guān)的表情識(shí)別研究現(xiàn)狀　/ 8
　1.5　人臉表情識(shí)別相關(guān)資料匯總　/ 8
　參考文獻(xiàn)　/ 8

第2 章　人臉檢測與定位　/ 9
　2.1　概述　/ 9
　2.2　基于膚色分割和模板匹配算法的快速人臉檢測　/ 10
　　2.2.1　基于彩色信息的圖像分割　/ 10
　　2.2.2　自適應(yīng)模板匹配　/ 12
　　2.2.3　仿真實(shí)驗(yàn)及結(jié)果分析　/ 14
　2.3　改進(jìn)Adaboost 算法的人臉檢測　/ 15
　　2.3.1　由擴(kuò)展的Haar-like 特征生成弱分類器　/ 16
　　2.3.2　Adaboost 算法生成強(qiáng)分類器　/ 16
　　2.3.3　級(jí)聯(lián)分類器的生成　/ 18
　　2.3.4　極端學(xué)習(xí)機(jī)　/ 20
　　2.3.5　仿真實(shí)驗(yàn)及結(jié)果分析　/ 22
　參考文獻(xiàn)　/ 25

第3 章　基于Candide3 模型的人臉表情跟蹤及動(dòng)態(tài)特征提取　/ 26
　3.1　概述　/ 26
　3.2　基于Candide3 人臉模型的跟蹤算法研究　/ 26
　　3.2.1　Candide3 人臉模型的研究　/ 26
　　3.2.2　基于Candide3 模型的跟蹤算法研究　/ 28
　3.3　跟蹤算法改進(jìn)　/ 33
　　3.3.1　光照處理　/ 33
　　3.3.2　基于在線表觀模型的跟蹤算法　/ 34
　　3.3.3　模型的自動(dòng)初始化研究　/ 34
　　3.3.4　改進(jìn)算法后跟蹤實(shí)驗(yàn)　/ 36
　3.4　動(dòng)態(tài)特征提取　/ 37
　　3.4.1　特征點(diǎn)的跟蹤　/ 37
　　3.4.2　動(dòng)態(tài)特征提取　/ 38
　　3.4.3　基于k 均值的聚類分析　/ 39
　參考文獻(xiàn)　/ 42

第4 章　表情分類的實(shí)現(xiàn)　/ 44
　4.1　概述　/ 44
　4.2　K 近鄰分類器　/ 44
　　4.2.1　K 近鄰規(guī)則　/ 44
　　4.2.2　K 近鄰分類的距離度量　/ 44
　　4.2.3　基于K 近鄰分類器的分類實(shí)驗(yàn)　/ 45
　4.3　流形學(xué)習(xí)　/ 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　基于流形學(xué)習(xí)的降維分類實(shí)驗(yàn)　/ 48
　4.4　支持向量機(jī)　/ 51
　　4.4.1　支持向量機(jī)的基本思想　/ 51
　　4.4.2　非線性支持向量機(jī)　/ 52
　　4.4.3　基于支持向量機(jī)的分類實(shí)驗(yàn)　/ 52
　4.5　基于Adaboost 的分類研究　/ 53
　　4.5.1　Adaboost 算法　/ 53
　　4.5.2　基于Adaboost 的分類實(shí)驗(yàn)　/ 54
　參考文獻(xiàn)　/ 55

第5 章　人臉動(dòng)態(tài)序列圖像表情特征提取　/ 56
　5.1　概述　/ 56
　5.2　基于主動(dòng)外觀模型的運(yùn)動(dòng)特征提取　/ 56
　　5.2.1　主動(dòng)形狀模型　/ 56
　　5.2.2　幾何特征提取　/ 57
　5.3　基于Candide3 三維人臉模型的動(dòng)態(tài)特征提取　/ 59
　　5.3.1　Candide3 三維人臉模型　/ 59
　　5.3.2　提取表情運(yùn)動(dòng)參數(shù)特征　/ 59
　5.4　動(dòng)態(tài)時(shí)間規(guī)整（DTW）　/ 61
　5.5　特征選擇　/ 64
　　5.5.1　基于Fisher 準(zhǔn)則的特征選擇　/ 64
　　5.5.2　基于分布估計(jì)算法的特征選擇　/ 65
　5.6　仿真實(shí)驗(yàn)及結(jié)果分析　/ 67
　　5.6.1　基于主動(dòng)外觀模型的運(yùn)動(dòng)特征提取　/ 67
　　5.6.2　基于Candide3 模型的動(dòng)態(tài)特征提取　/ 69
　參考文獻(xiàn)　/ 72

第6 章　基于子空間分析和改進(jìn)最近鄰分類的表情識(shí)別　/ 74
　6.1　概述　/ 74
　6.2　特征降維　/ 74
　　6.2.1　非線性流形學(xué)習(xí)方法　/ 74
　　6.2.2　線性子空間方法　/ 76
　6.3　改進(jìn)最近鄰分類法　/ 81
　6.4　仿真實(shí)驗(yàn)及結(jié)果分析　/ 84
　參考文獻(xiàn)　/ 85

第7 章　微表情序列圖像預(yù)處理　/ 86
　7.1　概述　/ 86
　7.2　灰度歸一化　/ 86
　7.3　尺度歸一化　/ 88
　7.4　序列長度歸一化　/ 89
　　7.4.1　時(shí)間插值法原理　/ 90
　　7.4.2　時(shí)間插值法建�！�/ 91
　　7.4.3　時(shí)間插值法實(shí)現(xiàn)　/ 93
　參考文獻(xiàn)　/ 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　平滑濾波　/ 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　改進(jìn)LBP　/ 102
　　8.3.3　降維　/ 103
　　8.3.4　靜態(tài)特征統(tǒng)計(jì)　/ 105
　8.4　時(shí)空局部二值模式　/ 106
　　8.4.1　LBP-TOP　/ 107
　　8.4.2　動(dòng)態(tài)特征統(tǒng)計(jì)　/ 109
　8.5　多尺度LBP-TOP　/ 112
　參考文獻(xiàn)　/ 114

第9 章　基于全局光流與LBP-TOP 特征結(jié)合的微表情特征提取　/ 115
　9.1　概述　/ 115
　9.2　相關(guān)理論　/ 115
　　9.2.1　運(yùn)動(dòng)場及光流場　/ 115
　　9.2.2　經(jīng)典計(jì)算方法　/ 116
　9.3　問題描述　/ 117
　　9.3.1　約束條件　/ 117
　　9.3.2　模型構(gòu)建　/ 119
　9.4　算法實(shí)現(xiàn)　/ 120
　　9.4.1　目標(biāo)優(yōu)化　/ 120
　　9.4.2　多分辨率策略　/ 122
　　9.4.3　特征統(tǒng)計(jì)　/ 124
　9.5　光流與LBP-TOP 特征結(jié)合　/ 128
　參考文獻(xiàn)　/ 129

第10 章　人臉微表情分類器設(shè)計(jì)及實(shí)驗(yàn)分析　/ 131
　10.1　概述　/ 131
　10.2　支持向量機(jī)　/ 131
　　10.2.1　分類原理　/ 131
　　10.2.2　樣本空間　/ 132
　　10.2.3　模型參數(shù)優(yōu)化　/ 135
　10.3　隨機(jī)森林　/ 136
　　10.3.1　集成學(xué)習(xí)　/ 137
　　10.3.2　決策樹　/ 137
　　10.3.3　組合分類模型　/ 139
　10.4　評價(jià)準(zhǔn)則　/ 141
　10.5　實(shí)驗(yàn)對比驗(yàn)證　/ 143
　　10.5.1　識(shí)別LBP-TOP 特征　/ 143
　　10.5.2　識(shí)別GDLBP-TOP 特征　/ 146
　　10.5.3　識(shí)別OF 特征　/ 147
　　10.5.4　識(shí)別LBP-TOP＋OF 特征　/ 149
　參考文獻(xiàn)　/ 153

第11 章　基于Gabor 多方向特征融合與分塊直方圖的表情特征提取　/ 155
　11.1　概述　/ 155
　11.2　人臉表情圖像的Gabor 特征表征　/ 156
　　11.2.1　二維Gabor 濾波器　/ 156
　　11.2.2　人臉表情圖像的Gabor 特征表征　/ 157
　11.3　二維Gabor 小波多方向特征融合　/ 159
　　11.3.1　融合規(guī)則1　/ 159
　　11.3.2　融合規(guī)則2　/ 160
　11.4　分塊直方圖特征選擇　/ 161
　11.5　基于Gabor 特征融合與分塊直方圖統(tǒng)計(jì)的特征提取　/ 162
　11.6　算法可行性分析　/ 163
　11.7　實(shí)驗(yàn)描述及結(jié)果分析　/ 164
　　11.7.1　實(shí)驗(yàn)流程　/ 164
　　11.7.2　表情圖庫中圖像預(yù)處理　/ 165
　　11.7.3　實(shí)驗(yàn)描述　/ 166
　　11.7.4　實(shí)驗(yàn)結(jié)果分析　/ 167
　　11.7.5　所選融合特征的尺度分析　/ 169
　參考文獻(xiàn)　/ 170

第12 章　基于對稱雙線性模型的光照魯棒性人臉表情分析　/ 172
　12.1　概述　/ 172
　12.2　雙線性模型　/ 174
　12.3　基于對稱雙線性變換的表情圖像處理　/ 175
　12.4　光照變換　/ 178
　12.5　實(shí)驗(yàn)描述及結(jié)果分析　/ 181
　　12.5.1　實(shí)驗(yàn)描述　/ 181
　　12.5.2　實(shí)驗(yàn)對比　/ 182
　參考文獻(xiàn)　/ 185

第13 章　基于局部特征徑向編碼的局部遮擋表情特征提取　/ 187
　13.1　概述　/ 187
　13.2　表情圖像預(yù)處理　/ 188
　13.3　局部特征提取與表征　/ 190
　13.4　Gabor 特征徑向編碼　/ 190
　13.5　算法可行性分析　/ 193
　13.6　實(shí)驗(yàn)描述及結(jié)果分析　/ 193
　　13.6.1　局部子塊數(shù)對識(shí)別結(jié)果的影響　/ 195
　　13.6.2　徑向網(wǎng)格尺寸對識(shí)別結(jié)果的影響　/ 195
　　13.6.3　左/右人臉區(qū)域遮擋對識(shí)別結(jié)果的影響　/ 196
　　13.6.4　不同局部特征編碼方法的實(shí)驗(yàn)對比分析　/ 196
　　13.6.5　遮擋對于表情識(shí)別的影響　/ 197
　參考文獻(xiàn)　/ 198

第14 章　局部累加核支持向量機(jī)分類器　/ 201
　14.1　概述　/ 201
　14.2　支持向量機(jī)基本理論　/ 202
　　14.2.1　廣義最優(yōu)分類面　/ 202
　　14.2.2　線性分類問題　/ 203
　　14.2.3　支持向量機(jī)　/ 205
　　14.2.4　核函數(shù)　/ 206
　14.3　局部徑向基累加核支持向量機(jī)　/ 206
　14.4　局部歸一化線性累加核支持向量機(jī)　/ 207
　14.5　實(shí)驗(yàn)描述及結(jié)果分析　/ 209
　　14.5.1　實(shí)驗(yàn)描述　/ 209
　　14.5.2　對比實(shí)驗(yàn)　/ 210
　參考文獻(xiàn)　/ 213

第15 章　基于主動(dòng)視覺的人臉跟蹤與表情識(shí)別系統(tǒng)　/ 214
　15.1　概述　/ 214
　15.2　系統(tǒng)架構(gòu)　/ 214
　　15.2.1　硬件設(shè)計(jì)　/ 214
　　15.2.2　交互界面的設(shè)計(jì)　/ 217
　15.3　相關(guān)算法　/ 218
　　15.3.1　云臺(tái)跟蹤算法　/ 218
　　15.3.2　表情識(shí)別算法　/ 220
　15.4　仿真實(shí)驗(yàn)及結(jié)果分析　/ 221
　　15.4.1　人臉定位跟蹤實(shí)驗(yàn)　/ 221
　　15.4.2　人臉表情識(shí)別實(shí)驗(yàn)　/ 224
　參考文獻(xiàn)　/ 227

索引　/ 229