基于HOG和KNN算法的面部图像情感估计(Emotion-Estimation-From-Facial-Images)…

简介：
本研究提出了一种利用HOG特征提取与KNN分类器相结合的方法，旨在有效识别面部表情所代表的情感状态。通过分析面部关键区域的几何变化，该模型能够准确区分多种基本情绪，并在多个公开数据集中取得了优异性能，为情感计算和人机交互领域提供了新的解决方案。 从人脸图像预测情绪是当前研究的一个热门领域，并且可以通过多种方法实现。本段落提出了一种系统用于通过面部表情来预测情感，该系统的流程分为几个阶段：首先，在预处理阶段中，系统会检测并调整输入的图片大小，然后使用直方图均衡化技术以标准化照明效果；接下来，在第二阶段，采用定向梯度直方图（HOG）和局部二值模式（LBP）特征提取算法从面部表情图像中抽取关键信息，并创建包含愤怒、蔑视、厌恶、尴尬、恐惧、快乐、中立、骄傲、悲伤以及惊讶等情绪的训练数据集与测试数据集；最后，利用支持向量机 (SVM) 和 K-最近邻 (KNN) 分类器进行情感预测。同时采用混淆矩阵（CM）技术来评估分类器的效果。 该系统在 JAFFE、KDEF、MUG、WSEFEP、TFEID 以及 ADFES 数据库上进行了测试，当使用 HOG+SVM 方法时，实现了高达96.13%的预测准确率。