# FER

**Repository Path**: onceshy/FER

## Basic Information

- **Project Name**: FER
- **Description**: No description available
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-11-06
- **Last Updated**: 2021-11-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# FER(Facial Expressions Recognition)

#### 介绍
2021秋图像处理大作业，核心算法不调库，不使用任何NN-related算法实现的人脸情绪识别算法（包含数据图像），
主要算法使用LBP+PCA+KNN实现。

#### 使用环境
Pycharm Community Edition 2020.2.1
(opencv、numpy)

#### 算法流程
1. 预处理： 读取图像，并转化为灰度图像
2. 图像特征提取： 使用LBP(局部二值模式)将图像用LBP旋转不变算子进行处理，将处理后的图像切分成m*n个子图，统计每个子图的灰度直方图，每个灰度直方图转化为一个256*1的特征向量，将这些特征向量拼接为一个1行的特征向量
3. 特征降维： 将各个图片的特征向量按竖列拼接起来，每行都是一个图片的特征向量，使用PCA对其降维，得到降维后的矩阵，以及降维所乘的矩阵V_r（如果每行是一个图片的特征向量的话，要右乘V_r;而若每列是一个图片的特征向量的话，要左乘V_r;本质上是一样的，就是样本数不变，每个样本的特征减少，所以代表样本数的那个维度不能改变）
4. 预测： 将测试集读取并进行特征提取，然后乘上V_r得到同样降维后的特征矩阵，对每个测试图片，计算其到训练集图片的欧式距离，取出距离最近的K个样本进行投票，投票数最多的作为分类预测。
5. 评估： 将预测类别与测试集的准确类别进行比较，计算测试集的正确率。