AR人脸图像集获取并分类

获取AR图像集

获取图像集的博客在这里插入图片描述
我下载的是
在这里插入图片描述
得到的是
在这里插入图片描述
需要进行变换

bmp变pgm

bmp格式变pgm格式博客
这里也附上代码

function[ ] = bmp2pgm( )  
 %读取指定目录下面所有的 bmp 格式图片  
 bmps = dir('C:\Users\25643\Desktop\AR_warp\bmp\*.bmp');  
 num_bmps = length( bmps );  
 for i = 1 : num_bmps  
   bmp_file = fullfile( 'C:\Users\25643\Desktop\AR_warp\bmp\' , bmps(i).name );  
   bmp = imread(bmp_file);  
  % 第一步,解析文件名 bmp_file,bmp_file包括路径+文件名+后缀,
  % 如 bmp_file = '.\ORL人脸数据库\s1\1.bmp'  
  % path = '.\ORL人脸数据库\s1'  name = '1' ext = '.bmp'  
   [ path , name , ext ] = fileparts( bmp_file ) ;  
  % 第二步,生成新的文件名  
   filename = strcat( name , '.pgm' );  
  % 第三步,生成文件全称  
  pgm_file = fullfile( 'C:\Users\25643\Desktop\AR_warp\pgm\' , filename ) ;  
  % 第四步,将 bmp 以 pgm_file 作为文件名,保存为 pgm 格式。 
   imwrite( bmp , pgm_file , 'pgm' );  
   end 
 end

可以得到
在这里插入图片描述

数据集分类

分类博客
同样的附上代码

%<span style="font-family:'KaiTi_GB2312';font-size:18px;">function[ ] = imgClass( )  
 %----------------------2017-4-22--------------------------%
 %此函数实现将AR人脸库中的2600幅.pgm人脸图像以每人为一类分为100类
 %前50类为男性,后50位为女性
 %100类分别编号为s1~s100
 %类中每人的26幅图分别编号为1到26
 %其中AR人脸库位于当前路径.\AR人脸库\AR 下
 %----------------------2017-4-22--------------------------%
 
 %-读取指定目录下面所有的 .pgm 格式图片   
 pgms=dir('C:\Users\25643\Desktop\AR_warp\pgm\*.pgm');  
 num_pgms=length(pgms)/26;     %num_pgms为100,每人26张图,100个人
 
 %两重循环,外层1到100人,内层每人的26幅图
 for i = 1 : num_pgms
   myRoot1=strcat('C:\Users\25643\Desktop\AR_warp\train\', strcat('s',num2str(i)));

   mkdir(myRoot1);     %创建路径,s1-s100

   for j=1:26
   bmp_file = fullfile( 'C:\Users\25643\Desktop\AR_warp\pgm\' ,pgms(26*(i-1)+j).name);  
   
   %循环读每一张图片
   pgm = imread(bmp_file); 

  %每类中生成新的文件名,1-26.pgm
   filename1 = strcat(num2str(j), '.pgm' );  
   pgm_file1 = fullfile(myRoot1, filename1); 
  
  % 将pgm格式图片以pgm_file为路径存在电脑硬盘上  
   imwrite( pgm ,pgm_file1);
 end
end 

跑出来的结果:

在这里插入图片描述
最后可以得到
在这里插入图片描述

  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
AR人脸数据集是指包含了各种人脸姿态、表情、光照等多样化信息的数据集,通常用于人脸识别、表情识别等任务的训练和测试。处理AR人脸数据集的主要步骤包括数据预处理、特征提取和模型训练等。 首先,对AR人脸数据集进行数据预处理,包括数据清洗、标注、对齐和裁剪等操作。清洗数据是为了去除噪音和不必要的信息,确保数据的准确性和完整性;标注是为了为每张图片添加标签,方便后续训练和测试;对齐和裁剪是为了保证人脸数据的统一性和规范性,以便后续的特征提取和模型训练。 其次,进行特征提取,这是将原始的人脸数据转换为可供机器学习算法处理的特征表示的过程。在AR人脸数据集中,可以采用传统的特征提取方法,比如LBP(局部二值模式)和HOG(方向梯度直方图),也可以使用深度学习模型进行端到端的特征提取。 最后,使用处理后的数据集进行模型训练。可以选择合适的人脸识别模型或表情识别模型,比如传统的SVM(支持向量机)、KNN(K最近邻)等模型,也可以使用深度学习模型,比如CNN(卷积神经网络)等。在模型训练过程中,还需要进行模型评估和参数调优,以获得更好的模型性能。 综上所述,处理AR人脸数据集需要进行数据预处理、特征提取和模型训练等多个步骤,同时需要结合具体任务的需求和数据集本身的特点,选择合适的方法和模型,以获得良好的训练和测试效果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值