SVM算法应用人脸表情识别

最新推荐文章于 2024-06-08 11:55:33 发布

浮屠tufu

最新推荐文章于 2024-06-08 11:55:33 发布

阅读量489

点赞数

文章标签：算法支持向量机 python

本文链接：https://blog.csdn.net/weixin_46075497/article/details/122147016

版权

本文介绍了如何利用支持向量机（SVM）和卷积神经网络（CNN）进行人脸表情识别的实验。首先，进行了环境搭建和数据集获取，接着详细讲述了图片预处理，包括人脸检测和裁剪。然后，数据被划分为训练集和测试集。通过CNN模型进行特征提取，分别进行了模型创建、归一化处理、数据增强、网络构建。最后，实现了摄像头实时测试，以验证模型的笑脸和非笑脸识别效果。

摘要由CSDN通过智能技术生成

一、实验准备

环境搭建

pip install tensorflow==1.2.0

pip install keras==2.0.6

pip install dlib==19.6.1

pip install h5py==2.10

如果是新建虚拟环境，还需安装以下包

pip install opencv_python==4.1.2.30

pip install pillow

pip install matplotlib

pip install h5py

使用genki-4k数据集

下载地址：https://inc.ucsd.edu/mplab/wordpress/index.html%3Fp=398.html

二、图片预处理

打开数据集

在这里插入图片描述
我们需要将人脸检测出来并对图片进行裁剪

代码如下：


import dlib         # 人脸识别的库dlib
import numpy as np  # 数据处理的库numpy
import cv2          # 图像处理的库OpenCv
import os
 
# dlib预测器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('D:\\shape_predictor_68_face_landmarks.dat')
 
# 读取图像的路径
path_read = "C:\\Users\\28205\\Documents\\Tencent Files\\2820535964\\FileRecv\\genki4k\\files"
num=0
for file_name in os.listdir(path_read):
	#aa是图片的全路径
    aa=(path_read +"/"+file_name)
    #读入的图片的路径中含非英文
    img=cv2.imdecode(np.fromfile(aa, dtype=np.uint8), cv2.IMREAD_UNCHANGED)
    #获取图片的宽高
    img_shape=img.shape
    img_height=img_shape[0]
    img_width=img_shape[1]
   
    # 用来存储生成的单张人脸的路径
    path_save="C:\\Users\\28205\\Documents\\Tencent Files\\2820535964\\FileRecv\\genki4k\\files1" 
    # dlib检测
    dets = detector(img,1)
    print("人脸数：", len(dets))
    for k, d in enumerate(dets):
        if len(dets)>1:
            continue
        num=num+1
        # 计算矩形大小
        # (x,y), (宽度width, 高度height)
        pos_start = tuple([d.left(), d.top()])
        pos_end = tuple([d.right(), d.bottom()])
 
        # 计算矩形框大小
        height = d.bottom()-d.top()
        width = d.right()-d.left()
 
        # 根据人脸大小生成空的图像
        img_blank = np.zeros((height, width, 3), np.uint8)
        for i in range(height):
            if d.top()+i>=img_height:# 防止越界
                continue
            for j in range(width):
                if d.left()+j>=img_width:# 防止越界
                    continue
                img_blank[i][j] = img[d.top()+i][d.left()+j]
        img_blank = cv2.resize(img_blank, (200, 200), interpolation=cv2.INTER_CUBIC)

        cv2.imencode('.jpg', img_blank)[1].tofile(path_save+"\\"+"file"+str(num)+".jpg") # 正确方法

运行效果如下：

在这里插入图片描述

三、划分数据集

代码：

import os, shutil
# 原始数据集路径
original_dataset_dir = 'C:\\Users\\28205\\Documents\\Tencent Files\\2820535964\\FileRecv\\genki4k\\files1'

# 新的数据集
base_dir = 'C:\\Users\\28205\\Documents\\Tencent Files\\2820535964\\FileRecv\\genki4k\\files2'
os.mkdir(base_dir)

# 训练图像、验证图像、测试图像的目录
train_dir = os.path.join(base_dir, 'train')
os.mkdir(train_dir)
validation_dir = os.path.join(base_dir, 'validation')
os.mkdir(validation_dir)
test_dir = os.path.join(base_dir, 'test')
os.mkdir(test_dir)