基于MATLAB的表情识别代码-深层幸福感的群体快乐分析: deep-group-happiness

简介：
本项目利用MATLAB开发表情识别算法，旨在通过分析大量面部表情数据来评估和研究群体中的幸福感与情感状态，以实现对深层幸福感的概念进行量化。 我们发布了DeepGroupHappiness框架，并在《2016年ACM国际多模式交互国际会议ICMI16会议录》的预印本中提出了相关论文。该框架深入研究了从图像中预测群体幸福感的方法，使用TensorFlow模型来实现这一目标。 具体来说，我们的方法包括训练的人脸检测模型和Face-CENTRIST模型（一种基于LSTM的模型）。Face-CENTRIST模型通过分析图像中的面部空间分布、幸福表情以及CENTRIST图像描述符来预测组的幸福感。该框架在HAPPEI训练集上进行了训练。 与原版相比，我们对“脸部幸福感”预测模型进行了一些调整：使用VGG16代替GoogLeNet-FC，因为实验表明，在预测个人面部幸福方面，VGG16的表现略优于后者。因此，我们将从VGG16中提取的数据用于新Face-CENTRIST模型的训练。 目前版本在HAPPEI验证集上的RMSE为0.54。所有模型均已发布，并且可以免费用于非商业目的。