一、项目名称

        例：关于性别和年龄的人脸识别系统设计  

二、目的

        用有监督学习机制设计并实现模式识别方法，用于进行人脸面部特征识别，如性别（男性、女性）、年龄（儿童、青少年、成年、老年）、种族（白、黑）、佩戴眼镜（是、否）、戴帽子（是、否）、表情（微笑、严肃）等。

 三、内容

        人脸识别是模式识别的一个重要的应用领域。其识别过程包括：特征提取与选取、分类（包括训练与测试）、分类器性能评估等三部分。

 四、实验数据

        四个文本文件：

        faceR: 训练数据，100个属性（其中第一个属性是编号，其余99个是本征脸(eigenface) 属性参数，共2000个人脸的数据。

        faceS: 测试数据，100个属性（其中第一个属性是编号，其余99个是本征脸(eigenface) 属性参数，共2000个人脸的数据。

        faceDR: 对faceR文件中的每一个人脸数据的说明。

        faceDS: 对faceS文件中的每一个人脸数据的说明。

        

        提示：由于数据是真实数据，会有以下情况：

        1） 有缺失数据（如1228, 1808, 4056, 4135, 4136, and 5004），建议将有缺失数据的人脸记录不予考虑

        2） 有错误数据，建议对有错误的人脸记录不予考虑  原始数据：各个人脸的原始图象数据在目录rawdata中

 五、实验要求

1） 将数据导入

2） 确定分类的目标（可以是下面的两个目标，或多个目标的组合）提交给我的选题表先选一个识别目标

        a) 性别（男性、女性）数据第一列

        b) 年龄（儿童、青少年、成年、老年）数据第二列

        c) 种族（白、黑）数据第三列

        d) 表情（微笑、严肃）等。数据第四列

        e) 佩戴眼镜（是、否）合在数据最后一列

        f) 戴帽子（是、否）合在数据最后一列

3） 选用一种组合模式识别系统：特征提取算法（ FLDA、K-L变换，或基于欧氏距离J2判据）+分类器（最近邻NN分类器、KNN分类器、最小中心分类器、Bayes分类器、SVM）；再将或faceR和faceS合并，采用K-folds cross validation训练并测试分类器的性能（分类准确率）作出评估。

4） 用MATLAB、或者Python、Java、 C++等编程实现模式识别的整个过程（可以直接调用相关的函数）。

六、提示

1） 文件ev.mat中存放原始图像和本征脸的对应数据，以及平均脸的数据。可以用以下命令（MATLAB）恢复本征脸对应的原始人脸图像： load ev.mat load faceR v = faceR(5, 2:100)'; i = eigenfaces'*v + mean_face'; imagesc(reshape(i, 128, 128)'); colormap(gray(256));  

2） 用以下命令（MATLAB）可以直接显示原始的人脸图像  fid=fopen('rawdata/1223'); I = fread(fid);imagesc(reshape(I, 128, 128)'); colormap(gray(256)); 

下一章：人脸识别系统设计 -- 基于J2判据和FLDA的多分类器的人脸识别系统设计论文报告（一）_对不起，我还只是小孩的博客-CSDN博客