matlab 动态识别,基于matlab脸部动态特征的人脸表情识别程序

【实例简介】

通过训练jaffe数据库，实现识别人脸高兴、惊讶、恐惧、生气等六种表情，并圈出。可调用电脑摄像头实时监测。内附有使用说明，可以使用。仅供学习参考。

【实例截图】

【核心代码】

fdf564c5-f35e-4dc3-b0c9-c320f463838b

└── 基于脸部动态特征的人脸表情识别程序

├── 程序运行说明及运行环境.docx

└── 附录：基于脸部动态特征的人脸表情识别程序

├── DSLBP.m

├── getmapping.m

├── lbp.m

├── lpq.m

├── main_gui.fig

├── main_gui.m

├── save.mat

├── SVM-KM

│   ├── cout.m

│   ├── monqp.m

│   ├── svmclass.m

│   ├── svmkernel.m

│   ├── svmmulticlass.m

│   ├── svmmulticlassoneagainstall.m

│   ├── svmmultival.m

│   └── svmval.m

├── svm_test.m

├── svm_train.m

├── test1

│   ├── 1.jpg

│   ├── 2.jpg

│   ├── 3.jpg

│   ├── 4.jpg

│   ├── 5.jpg

│   ├── 6.jpg

│   └── 7.jpg

├── test_one.m

├── train1

│   ├── AN

│   │   ├── 10.jpg

│   │   ├── 11.jpg

│   │   ├── 12.jpg

│   │   ├── 13.jpg

│   │   ├── 14.jpg

│   │   ├── 15.jpg

│   │   ├── 16.jpg

│   │   ├── 17.jpg

│   │   ├── 18.jpg

│   │   ├── 19.jpg

│   │   ├── 1.jpg

│   │   ├── 20.jpg

│   │   ├── 21.jpg

│   │   ├── 22.jpg

│   │   ├── 23.jpg

│   │   ├── 24.jpg

│   │   ├── 25.jpg

│   │   ├── 26.jpg

│   │   ├── 27.jpg

│   │   ├── 28.jpg

│   │   ├── 29.jpg

│   │   ├── 2.jpg

│   │   ├── 30.jpg

│   │   ├── 3.jpg

│   │   ├── 4.jpg

│   │   ├── 5.jpg

│   │   ├── 6.jpg

│   │   ├── 7.jpg

│   │   ├── 8.jpg

│   │   └── 9.jpg

│   ├── DI

│   │   ├── 10.jpg

│   │   ├── 11.jpg

│   │   ├── 12.jpg

│   │   ├── 13.jpg

│   │   ├── 14.jpg

│   │   ├── 15.jpg

│   │   ├── 16.jpg

│   │   ├── 17.jpg

│   │   ├── 18.jpg

│   │   ├── 19.jpg

│   │   ├── 1.jpg

│   │   ├── 20.jpg

│   │   ├── 21.jpg

│   │   ├── 22.jpg

│   │   ├── 23.jpg

│   │   ├── 24.jpg

│   │   ├── 25.jpg

│   │   ├── 26.jpg

│   │   ├── 27.jpg

│   │   ├── 28.jpg

│   │   ├── 29.jpg

│   │   ├── 2.jpg

│   │   ├── 3.jpg

│   │   ├── 4.jpg

│   │   ├── 5.jpg

│   │   ├── 6.jpg

│   │   ├── 7.jpg

│   │   ├── 8.jpg

│   │   └── 9.jpg

│   ├── FE

│   │   ├── 10.jpg

│   │   ├── 11.jpg

│   │   ├── 12.jpg

│   │   ├── 13.jpg

│   │   ├── 14.jpg

│   │   ├── 15.jpg

│   │   ├── 16.jpg

│   │   ├── 17.jpg

│   │   ├── 18.jpg

│   │   ├── 19.jpg

│   │   ├── 1.jpg

│   │   ├── 20.jpg

│   │   ├── 21.jpg

│   │   ├── 22.jpg

│   │   ├── 23.jpg

│   │   ├── 24.jpg

│   │   ├── 25.jpg

│   │   ├── 26.jpg

│   │   ├── 27.jpg

│   │   ├── 28.jpg

│   │   ├── 29.jpg

│   │   ├── 2.jpg

│   │   ├── 30.jpg

│   │   ├── 31.jpg

│   │   ├── 32.jpg

│   │   ├── 3.jpg

│   │   ├── 4.jpg

│   │   ├── 5.jpg

│   │   ├── 6.jpg

│   │   ├── 7.jpg

│   │   ├── 8.jpg

│   │   └── 9.jpg

│   ├── HA

│   │   ├── 10.jpg

│   │   ├── 11.jpg

│   │   ├── 12.jpg

│   │   ├── 13.jpg

│   │   ├── 14.jpg

│   │   ├── 15.jpg

│   │   ├── 16.jpg

│   │   ├── 17.jpg

│   │   ├── 18.jpg

│   │   ├── 19.jpg

│   │   ├── 1.jpg

│   │   ├── 20.jpg

│   │   ├── 21.jpg

│   │   ├── 22.jpg

│   │   ├── 23.jpg

│   │   ├── 24.jpg

│   │   ├── 25.jpg

│   │   ├── 26.jpg

│   │   ├── 27.jpg

│   │   ├── 28.jpg

│   │   ├── 29.jpg

│   │   ├── 2.jpg

│   │   ├── 30.jpg

│   │   ├── 31.jpg

│   │   ├── 32.jpg

│   │   ├── 3.jpg

│   │   ├── 4.jpg

│   │   ├── 5.jpg

│   │   ├── 6.jpg

│   │   ├── 7.jpg

│   │   ├── 8.jpg

│   │   └── 9.jpg

│   ├── SA

│   │   ├── 10.jpg

│   │   ├── 11.jpg

│   │   ├── 12.jpg

│   │   ├── 13.jpg

│   │   ├── 14.jpg

│   │   ├── 15.jpg

│   │   ├── 16.jpg

│   │   ├── 17.jpg

│   │   ├── 18.jpg

│   │   ├── 19.jpg

│   │   ├── 1.jpg

│   │   ├── 20.jpg

│   │   ├── 21.jpg

│   │   ├── 22.jpg

│   │   ├── 23.jpg

│   │   ├── 24.jpg

│   │   ├── 25.jpg

│   │   ├── 26.jpg

│   │   ├── 27.jpg

│   │   ├── 28.jpg

│   │   ├── 29.jpg

│   │   ├── 2.jpg

│   │   ├── 30.jpg

│   │   ├── 3.jpg

│   │   ├── 4.jpg

│   │   ├── 5.jpg

│   │   ├── 6.jpg

│   │   ├── 7.jpg

│   │   ├── 8.jpg

│   │   └── 9.jpg

│   └── SU

│   ├── 10.jpg

│   ├── 11.jpg

│   ├── 12.jpg

│   ├── 13.jpg

│   ├── 14.jpg

│   ├── 15.jpg

│   ├── 16.jpg

│   ├── 17.jpg

│   ├── 18.jpg

│   ├── 19.jpg

│   ├── 1.jpg

│   ├── 20.jpg

│   ├── 21.jpg

│   ├── 22.jpg

│   ├── 23.jpg

│   ├── 24.jpg

│   ├── 25.jpg

│   ├── 26.jpg

│   ├── 27.jpg

│   ├── 28.jpg

│   ├── 29.jpg

│   ├── 2.jpg

│   ├── 30.jpg

│   ├── 3.jpg

│   ├── 4.jpg

│   ├── 5.jpg

│   ├── 6.jpg

│   ├── 7.jpg

│   ├── 8.jpg

│   └── 9.jpg

└── train_label.txt

11 directories, 210 files