【人脸表情识别】基于matlab GUI微表情识别系统【含Matlab源码 1808期】.zip

详细的微表情学刊及人脸识别,能将计算机与人脸面部特征很好地结合起来.

基于SVM多特征融合的微表情识别python源码+项目说明.zip 将上述文件与main.py放在同一目录下，直接运行main.py： a. 从同目录下的CASME II文件夹中提取数据，文件夹的结构为CASME II/subject_name/ep_name/image b. 程序所需文件在CASME II文件夹下，分别为CASME2.xlsx, shape_predictor_68_face_landmarks.dat, UniformLBP8.txt c. 程序将CASME II中第一个表情的第一张图片作为标准面部图像，对所有图像序列进行裁剪与配准，得到192*192的图像序列 d. 将配准后的结果存入result/lwm_result.npy中 e. 随后程序对图像序列进行动作放大，其中放大频率区间为[0.2Hz, 2.4Hz], 放大因子为8 f. 随后对图像序列进行时序插值，目标帧数为10帧 g. 随后对图像序列提取LBP-TOP、3DHOG、HOOF特征，存放于result/features/LBP_feature.npy (或HOG_feature.npy, HOOF_

基于模式识别的微表情识别系统的设计.doc基于模式识别的微表情识别系统的设计.doc基于模式识别的微表情识别系统的设计.doc基于模式识别的微表情识别系统的设计.doc

基于深度学习的微表情识别.zip

官网找不到的可以下载我这个

【表情识别】基于Gabor特征实现微表情识别系统含Matlab源码

通过 CNN 等基于深度特征的人脸自发式微表情识别分类方法逐渐完善，相比于传统的特征提取方法更易满足应用实时性，针对微表情持续时间短、动作幅度细微，在多卷积层叠加会丢失图像中的细微信息的问题，为了完善细节信息，充分提取微表情细微特征，提出结合空洞卷积核及人脸自动校正算法，完善 CNN 网络特征提取过程，通过自动人脸矫正适应实际应用中的实时识别分类，在 CASME 及 CASMEⅡ微表情公开数据集上完成模型训练及测试，通过损失函数方案对比提高模型鲁棒性，CASME 中准确率为 70.16%，CASMEⅡ中准确率为 72.26%；实时识别帧率在 60fps。该方法能有效地提高微表情识别准确率，满足实时性要求，且具有较好的鲁棒性和泛化能力。

基于LBP-TOP特征的微表情识别

只支持32位系统.一共三个. 微表情训练工具(METT) :是测谎能力的入门软件 细微表情训练工具(SETT) :细微表情出现时间可以任意调节， 以实现从初级到高级的细微表情识别能力培训 是测谎能力的进阶软件 面部运动编码系统(FACS) :这是人类面部表情的百科全书