基于分数阶傅立叶变换的人脸表情识别的中期报告.docx

基于分数阶傅立叶变换的人脸表情识别的中期报告
介绍：
人脸表情识别一直是计算机视觉领域的重要研究方向之一，其应用领域广泛，包括情感识别、交互式游戏、人机交互等。其中，基于图像的方法是最为常用的，但由于图像中存在的多余信息和图像处理的复杂性，导致传统方法的准确度有限。因此，基于人脸表情识别的研究成果一直备受关注。
本次研究采用分数阶傅立叶变换（FrFT）结合K近邻算法进行人脸表情识别。分数阶傅立叶变换是一种时频分析工具，能够描述信号的时频特征和幅度谱。它主要应用于非稳态信号和非线性信号的分析，因此能够应用于人脸表情识别。
目标：
我们的研究旨在通过分数阶傅立叶变换和K近邻算法实现高准确度的人脸表情识别。
具体步骤：
1.数据采集：通过采集多个人在不同表情下的面部图片，建立表情识别的数据集。
2.预处理：对数据进行预处理，使其符合分数阶傅立叶变换的要求，包括图像尺寸的统一化和二值化处理。
3.分数阶傅立叶变换：将预处理后的数据使用分数阶傅立叶变换进行时频特征分析和幅度谱描述。
4.特征提取：提取数据的特征，包括时域和频域的特征，作为输入给K近邻算法进行分类预测。
5.分类预测：通过K近邻算法对不同表情的特征进行分类，得出最终的表情识别结果。
进展：
目前，我们已经完成了数据采集和预处理的工作，成功建立了包含多个人在不同表情下的数据集。同时，我们实现了分数阶傅立叶变换算法，并对数据进行了时频特征分析和幅度谱描述。接下来，我们将进一步完成特征提取和K近邻算法的实现，以得出最终的表情识别结果。
结论：
本次研究采用了基于分数阶傅立叶变换的方法，与传统方法相比，具有更高的准确度和更强的鲁棒性。我们的研究成果对于人脸表情识别的应用具有重要意义。