人脸表情识别实验

• 实验过程及结果
利用PCA方法进行降维
[C,S,L]=princomp(img,'econ'); % Performing PCA Here EigenRange = [1:30]; % Defines which Eigenvalues will be selected C = C(:,EigenRange);
• 实验准备
由于图片的光照和姿态不一样，所以需要对图片几何预处理和光 照预处理进行
• 实验准备
由于数据库中有部分表情标识错误，如果采 用这些错误的表情训练样本来训练，就很难有效 地进行表情识别。因此，在实验时将错误的表情 图像排除了，没有采用全部的表情图像
表情数据库中不正确的样本，在库中分别标识为惊讶和悲伤
• 实验总结
1、分类算法很多，下一步是完成目前的工作并对其他分类方法进 行比较。 2、预处理过程对实验结果的影响较大，需要继续将预处理的效果 提升。
• 实验准备
目前数据库是由10个人，来自百度文库人7种表情组成的， 所以将其中9个人作为训练数据，剩下一个人作为 测试数据，重复10次，求其平均值，目前写的代 码还没有循环，需要优化
• 实验过程及结果
•SIFT提取特征的部分编码
C= GETCOMPONENT(J,SX,SY,K); IF NDIMS(C) == 3 C = IM2DOUBLE(RGB2GRAY(C)); ELSE C = IM2DOUBLE(C); END; [IM_H, IM_W] = SIZE(C); IF MAX(IM_H, IM_W) > MAXIMSIZE, C = IMRESIZE(C, MAXIMSIZE/MAX(IM_H, IM_W), 'BICUBIC'); [IM_H, IM_W] = SIZE(C); END;
• 实验过程及结果
•SIFT提取特征的部分编码 % make grid sampling SIFT descriptors gridSpacingX = floor((im_w-patchSize)/(SIFT_COL-1)); remX = mod(im_w-patchSize,gridSpacingX); offsetX = floor(remX/2)+1; gridSpacingY = floor((im_h-patchSize)/(SIFT_ROW-1)); remY = mod(im_h-patchSize,gridSpacingY); offsetY = floor(remY/2)+1; [gridX,gridY] = meshgrid(offsetX:gridSpacingX:im_wpatchSize+1, offsetY:gridSpacingY:im_h-patchSize+1)
• 实验总结
进行图片的分类（需要改进） Otherdis = zeros(numTestImage,numTrainImage); for j = 1:numTestImage TestTrainImage = Projected_Test(j,:); % Picking the image #Dat2Project for i = 1:numImage Otherdis(Dat2Project,i) = sqrt((TestImage'-S(i,selRange)')' ... *(TestImage'-S(i,selRange)')); end end [Mindis,Mindis_pos] = min(Otherdis,[],2);
人脸表情识别实现
• 实验准备 • 实验过程 • 实验总结
• 实验准备
由于需要对表情进行分类所以需要对数据库里面的表情进行重排列， 如下图所示（生气的表情）：
• 实验准备
日本ATR-Jaffe表情库研究用最标准的人脸表情数据库库 日本ATR（Advanced Telecommunication Research InstituteInternational）的专门用于表情识别研究的基本表情数据库 JAFFE，该数据库中包含了213幅（每幅图像的分辨率：256像素 ×256像素）日本女性的脸相，每幅图像都有原始的表情定义。表 情库中共有10个人，每个人有7种表情（中性脸、高兴、悲伤、惊 奇、愤怒、厌恶、恐惧）。 JAFFE数据库均为正面脸相，且把原始 图像进行重新调整和修剪，使得眼睛在数据库图像中的位置大致 相同，脸部尺寸基本一致，光照均为正面光源，但光照强度有差 异。由于此表情数据库完全开放，且表情标定很标准，所以现在 大多数研究表情识别的文章中都使用它来训练与测试。