7、人类面部情绪识别：创新方法与卓越性能

人类面部情绪识别：创新方法与卓越性能

1. 引言

情绪人工智能作为一种能够检测、模仿、理解和处理人类面部手势与情感的系统，在当今世界广受欢迎。然而，传统的情绪识别方法在准确性方面存在一定的局限性。为了实现更有效的人类面部情绪识别，本文提出了一种新颖的 HDC - GEN 分类方法。

2. 提出的模型

2.1 整体流程

该模型的整体流程包括输入图像的预处理、基于知识的人脸检测、图像裁剪与调整大小、特征提取以及最终的 HDC - GEN 分类。具体如下：
- 预处理阶段 ：使用中值滤波器对输入图像进行预处理，以去除原始数据集中的噪声和不必要的元素，提高图像的清晰度。
- 人脸检测 ：采用基于知识的人脸检测算法，确定图像中人脸的位置和大小。该算法在检测速度和准确性方面表现出色，能够快速处理图像并获得良好的检测率。
- 图像调整大小 ：利用裁剪功能，将检测到的人脸区域从输入图像中裁剪出来。
- 特征提取 ：通过 HBO 算法提取特征，包括眼睛、鼻子和嘴巴等特征点。特征提取过程基于一系列公式进行，如：
- 特征点计算公式：$d_i = d_{min} + (d_{max} - d_{min}) × δ$
- 特征提取优先级计算公式：$f = \left[\frac{1}{n}\sum_{i = 1}^{n}(f_{n_1} - f_{n_1}^*)\right]×\frac{1}{NT}+(1 - \frac{1}{NT})×f_{n_1}$