✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。
🍎个人主页:Matlab科研工作室
🍊个人信条:格物致知。
更多Matlab完整代码及仿真定制内容点击👇
🔥 内容介绍
面部和面部表情识别的潜力越来越引起人们对社交互动和生物特征识别的兴趣。早期的面部识别方法由于在困难的照明条件下识别精度较低而存在缺陷。本文提出了两种新颖的描述符,称为方向梯度直方图(HDG)和广义方向梯度直方图(HDGG),用于提取判别性面部表情特征,从而比现有分类器具有更高的分类精度和效率。所提出的描述符基于方向局部梯度与 SVM(支持向量机)线性分类相结合。为了构建高效的人脸和面部表情识别,使用降维特征来提高分类性能。在两个公共领域数据集上进行了实验:用于面部表情识别的 JAFFE 和用于面部识别的 YALE。实验结果表明,与其他现有作品相比,整体准确率最好达到 92.12%。在所有评估的数据库中,它展示了人脸识别的快速执行时间,范围为 0.4 到 0.7 秒。
📣 部分代码
%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行
%% 导入数据
res = xlsread('数据集.xlsx');
%% 划分训练集和测试集
temp = randperm(357);
P_train = res(temp(1: 240), 1: 12)';
T_train = res(temp(1: 240), 13)';
M = size(P_train, 2);
P_test = res(temp(241: end), 1: 12)';
T_test = res(temp(241: end), 13)';
N = size(P_test, 2);
%% 数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test = mapminmax('apply', P_test, ps_input);
t_train = ind2vec(T_train);
t_test = ind2vec(T_test );
⛳️ 运行结果
🔗 参考文献
Ayeche, Farid & Adel, Alti. (2021). HDG and HDGG: an extensible feature extraction descriptor for effective face and facial expressions recognition. Pattern Analysis and Applications 24. 10.1007/s10044-021-00972-2