基于分数阶Fourier变换的人脸面部表情识别的中期报告.docxVIP

基于分数阶Fourier变换的人脸面部表情识别的中期报告 人脸面部表情识别是计算机视觉中的重要研究方向之一，它可以应用于图像处理、人机交互等领域。在本项目中，我们采用分数阶Fourier变换（Fractional Fourier Transform，FrFT）来提取人脸图像的特征，并基于这些特征来实现面部表情的识别。 在本阶段的工作中，我们完成了以下任务： 1. 数据集准备 为了训练和测试面部表情识别模型，我们使用了FER2013数据集，该数据集包含35,887张人脸图像，涵盖了7种不同的面部表情，包括生气、厌恶、恐惧、快乐、伤心、惊讶和中性。我们对数据集进行了初步的探索，包括打印图像、统计人脸数目和标签分布等。我们将数据集按照7:3的比例划分为训练集和测试集，并确认数据集的标签分布基本均衡。 2. 分数阶Fourier变换的实现 分数阶Fourier变换是一种基于傅里叶变换的信号处理方法，在信号的时频域上具有更好的局部特征表达能力。我们使用Python实现了分数阶Fourier变换，并将它应用于面部表情识别任务中。在对图像进行分数阶Fourier变换时，我们通过调整变换的阶数和角度，得到了多维度的特征表示。 3. 特征提取与分类器训练 我们使用特征提取方法提取了训练集中每幅图像的特征，将它们作为分类器的输入，并训练了多种分类器，包括支持向量机（SVM）、随机森林（random f