项目简介 用搭载Keras的tensorflow框架通过卷积神经网络训练模型，使用贝叶斯分类器识别人类的情绪。 根据情绪选择相应的emoji匹配 （更多详情请打开FaceEmotionClassifier.ipynb文件） 项目环境 数据集： Fer2013 ( kaggle挑战赛 ) ，Emoji表情集 神经网络框架： Keras,Tensorflow-gpu 分类器： 基于Opencv-Normal Bayes Classifier(正态贝叶斯分类)训练的贝叶斯分类器 配置环境： python==3.6.0 tensorflow-gpu==1.8.0 keras-gpu==2.1.6 opencv==3.3.1 其他环境详见：environment.yaml

人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别系统源码 人脸表情识别

【图像识别】基于LBP+LPQ算法融合人脸表情识别matlab源码.md

针对BP等全局性神经网络收敛速度慢和局部极小的存在，用于入脸表情分类时，不仅实时性难以达到要求，而且识 别精度也存在不确定性。为提高速度，加快收敛，提出一种基于局部性CMAC(Cerebellar Model Articulation Controller)神经 网络的人脸表情识别方法。

用支持向量机实现人脸表情分类,用支持向量机实现人脸表情分类用支持向量机实现人脸表情分类

人脸表情识别数据集

人脸表情识别数据集 JAFFE JAFFE数据集一共有213张图像．选取了10名日本女学生，每个人做出7种表情．7种表情包括： Angry，Disgust，Fear，Happy，Sad，Surprise，Neutral．（愤怒，厌恶，恐惧，高兴，悲伤，惊讶，中性）

原始CK+人脸表情数据集，包括以下四个文件： 1、cohn-kanade-images.zip：123 个受试者的 593 个表情序列，所有序列都是从中性表情到峰值表情。 2、 Landmarks.zip：所有序列的所有图像都用68点的AAM标记。 3、 FACS_labels.zip：每个序列 (共593) 只有 1 个 FACS 文件，标注了最后一帧（峰值帧）的 AU值和强度。 4)、Emotion_labels.zip：593 个序列中只有 327 个有表情编码。与 FACS 文件一样，每个序列只有一个 Emotion 文件，标记了最后一帧的表情编码（0=中性，1=愤怒，2=蔑视，3=厌恶，4=恐惧，5=快乐，6=悲伤，7=惊讶）。

数据采集方式：采集自互联网； 表情标签：开心、悲伤、惊讶、害怕、厌恶、生气、中立；二维连续模型； 数据集大小：总计1800000张图片，其中450000是提供离散以及连续的标签，是目前自然条件下最大的表情识别图片数据集，也是提供二维连续模型标签中最大的数据集。

人脸检测和识别的yale人脸库，用于实验研究