표정 분류 K-수단 K-수단을 사용하여 얼굴 표정을 분류

Question

내 방법은 사용 :

1. 사용을 OpenCV는 얼굴 특징점을 얻을 수있는 이미지
2. 사용 ASM과 stasm에서 얼굴을 검출하기를
3. 얼굴 모양 간의 거리를 계산합니다 (그림 참조). 5 개의 거리가 있습니다.
4. 각 표정의 각 거리에 대한 중심 값을 계산합니다 (거리 : D1에서 각 표정 '행복, 화난 ...'에 대해 7 개의 중력이 있음).
5. 5 k-means는 거리에 대해 각 k-means를 의미하며 각 k-means는 결과로 첫 번째 단계에서 계산 된 Centroid에 가장 가까운 거리로 표시됩니다.
6. 최종 표현식은 대부분의 K-수단에 표시되는 표현은 내 결과가 잘못 그 방법을 사용하여, 그러나

결과가 될 것인가? 내 방법이 정확합니까 아니면 어딘가 잘못 되었습니까?

Answer 1

K- 수단은 분류 알고리즘이 아닙니다. 일단 실행되면 K 요소의 중심을 간단히 찾아서 데이터를 K 부분으로 나눕니다. 그러나 대부분의 경우 원하는 클래스와 관련이 없습니다. 데이터를 탐색하고 일부 구별 가능한 개체를 찾으려면이 알고리즘 (모든 클러스터링 방법)을 사용해야합니다. 에서 구별 할 수있다. 감각. 당신의 작업이 일부 주어진 클래스를 인식하는 시스템을 구축하는 경우, 그것은 classification 문제가되지 clustering입니다. 구현하기 쉽고 이해하기 쉬운 가장 간단한 방법 중 하나는 KNN (K- 가장 가까운 이웃)입니다. 이는 대략 성취하려는 것을 수행합니다. 어떤 클래스의 객체가 미리 정의 된 객체와 가장 가까운 객체인지 확인합니다.

차이점을보다 잘 확인하려면 얼굴 특징을 기반으로 감정 상태를 감지하려고합니다. 이러한 데이터에서 K-수단을 실행하면 여러 그룹으로 당신의 얼굴 사진을 분할 할 수 있습니다 : (자신의 거리가 다른 사람과 다를로)

• 당신이 다른 사람의 사진을 사용하는 경우는
• 그것을 함께 특정 사람의 사진을 클러스터 수 같은 기능에 성별 차이가 있기 때문에 예를 들어 남자와 여자로 데이터를 분할 할 수 있습니다.
• 원근법이 기능을 변경하고 "클러스터"를 생성하므로 카메라와의 거리에 따라 데이터를 분할 할 수도 있습니다.
• 등

당신이 볼 수 있듯이, 다른 클러스터링 알고리즘 단순히 하나를 찾을 수 수십 가능 "합리적인"(더욱 완전하게 해석되지 않음) 분할 및 K-수단 (모든가와 )이있다 (대부분의 경우 해석 불가능한 것). 분류 방법은이 문제를 극복하기 위해 알고리즘을 "설명"하는 데 사용됩니다.