基于Haar特征的Turbo_Boost表情识别算法

Object recognition based on moment feature

Java版本Haar算法,Adaboost算法的前提。使用纯Java实现。

在MATLAB中，采用塔式算法，标准haar小波和非标准haar小波，对一组随机生成数进行小波分解和重构。

针对包含表情信息的静态图像,提出基于皮肤检测和SVM的人脸表情识别算法。首先根据先验知识,并使用皮肤检测和积分投影相结合定位眉毛眼睛区域和嘴巴区域,自动分割出表情子区域。接着,对分割出的表情子区域进行

卷积神经网络的发展极大促进了面部表情识别技术的进步,为解决实际应用中图像识别的准确率受图像像素限制的问题,从三方面对低像素人脸图像的表情识别进行研究。首先根据研究对象像素低、特征复杂的特点,提出了一种

老师留的关于神经网路的作业，实现了下。识别三种表情，识别率一般

通过gabor小波提取表情特征，pca进行降维，最后通elm进行分类，识别结果由MATLAB的GUI输出

表情识别系统；所用平台windows10+Anaconda4.2.0(自带python3.5)-tensorflow1.2.1(cpu)-keras2.1.3+opencv-python3.4.0;所

深度学习在语音识别、图像理解等许多应用领域取得了突破性成果。针对基于深度学习的静态人脸图像表情识别方法进行研究，首先介绍了深度学习的原理，并归纳了目前公开且常用的面部表情数据集；然后介绍了基于深度学习

基于多核学习的表情识别方法 应用咋人脸识别和图形处理