利用Python和OpenCV进行面部表情识别

简要介绍：

识别情绪的步骤

使用摄像头拍摄输入图像，并使用python中的opencv检测脸部，并尝试使用CNN深度学习概念和分类任务从获得的脸部图像中获取特征，提取的特征为给予像Logistic回归这样的分类器，SVM等和分类器将识别的表达式预测为输出。

入门..

为了解决这个问题，我们需要一个描述不同情绪的不同面孔的大型数据库。为此，您可以下载CK +数据库（http://www.consortium.ri.cmu.edu/ckagree/），或者您可以自己制作数据集，但要确保数据集大或多样化。

在这里，我使用我自己的数据库和数千个图像，并将它们组织在一个名为dataset的文件夹中，其中有7个不同的子文件夹（将成为您的7个课程），名为愤怒（anger），厌恶（disgust），恐惧（fear），快乐（happy），中立（neutral），悲伤（sad），惊喜（surprise）其中包含特定表达的图像。

在这里还是要推荐下我自己建的Python开发学习群:483546416，群里都是学Python开发的，如果你正在学习Python ，小编欢迎你加入，大家都是软件开发党，不定期分享干货（只有Python软件开发相关的），包括我自己整理的一份2018最新的Python进阶资料和高级开发教程，欢迎进阶中和进想深入Python的小伙伴

为了完成这项任务，我们需要在每幅图像上找到人脸，将其转换为灰度图，剪裁并将图像保存到数据集中。我们可以使用OpenCV的HAAR过滤器自动进行人脸识别

cv2.namedWindow("preview")

vc = cv2.VideoCapture(0)

face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")

facedict = {}

emotions =["anger","disgust","fear","happy","neutral","sad","surprise"]

#To crop face in an image

def crop_face(clahe_image, face):

for (x, y, w, h) in face:

faceslice = clahe_image[y:y+h, x:x+w]

faceslice = cv2.resize(faceslice, (350, 350))

facedict["face%s" %(len(facedict)+1)] = faceslice

return faceslice

def build_set(emotions):

check_folders(emotions)

for i in range(0, len(emotions)):

save_face(emotions[i])

print("Great,You are Done!" )

cv2.destroyWindow("preview")

cv2.destroyWindow("webcam")

#To check if folder exists, create if doesnt exists

def check_folders(emotions):

for x in emotions:

if os.path.exists("dataset\%s" %x):

pass