人脸表情识别——基于Hog特征与基本分类算法的Python实现

项目简介

本项目提供了一个基于Hog特征和多种基本分类算法的人脸表情识别Python实现。通过使用日本女性面部表情数据库（JAFFE），本项目实现了对七种基本表情（sad, happy, angry, disgust, surprise, fear, neutral）的分类。

主要功能

1. 数据读取与预处理：
   • 从JAFFE数据库中读取图像数据，并进行归一化处理。
   • 将数据集分为训练集和测试集。
2. Hog特征提取：
   • 对训练集和测试集中的图像进行Hog特征提取。
3. 分类算法实现：
   • 支持向量机（SVM）
   • K近邻算法（KNN）
   • 朴素贝叶斯（Naive Bayes）
   • 随机森林（Random Forest）
   • 逻辑回归（Logistic Regression）
   • 决策树（Decision Tree）
4. 模型评估：
   • 计算分类模型的准确度、召回率和混淆矩阵。
5. 表情预测：
   • 使用训练好的模型对新图像进行表情预测。

使用方法

1. 数据准备：
   • 下载JAFFE数据库，并将其放置在指定目录下。
2. 运行代码：
   • 运行提供的Python脚本，进行数据读取、特征提取、模型训练和评估。
3. 表情预测：
   • 使用训练好的模型对新图像进行表情预测。

依赖库

• Python 3.x
• OpenCV
• scikit-learn
• numpy
• matplotlib
• seaborn

参考文献

• 特征提取：HOG
• KNN参考
• SVM参考

致谢

感谢JAFFE数据库的提供者，以及所有开源库的贡献者。

注意事项

• 本项目为初学者实践项目，代码和文章如有不足之处，敬请指正。
• 本项目仅供学习和研究使用，请勿用于商业用途。

下载链接

人脸表情识别基于Hog特征与基本分类算法的Python实现