还记得我们之前写过一篇文章《手把手教你人脸识别自动开机》吗？里面用OpenCV对人脸进行简单的识别，让计算机训练认识到某个特定人物后识别对象。今天来做点高级的，识别出人脸的情绪。
本文分为两大部分：
1.面部检测：检测图像的脸部位置，输出边界框的坐标
2.情绪检测：将面部的情绪分为高兴、生气、悲伤、中性、惊讶、厌恶、恐惧。
可以使用上次文章( 《手把手教你人脸识别自动开机》 )中讲到的方法—用openCV检测，也可以使用**face_recognition**项目非常简单地实现面部检测。
这里我们尝试一下face_recognition项目， face_recognition 安装：
Face_recognition需要用到一个包叫dlib, 通过pip可能不一定装得上，因此这里推荐大家使用anaconda安装dlib：
conda install -c conda-forge dlib
然后再安装Face_recognition：
pip install face_recognition
用face_recognition三句代码就能识别图像中的脸部：
import face_recognition
image = face_recognition.load_image_file("1.png")
face_locations = face_recognition.face_locations(image)
人类习惯从面部表情中吸收非言语暗示，那么计算机可以吗？答案是肯定的，但是需要训练它学会识别情绪。今天我们不太可能讲收集数据、构建CNN模型等逻辑流程。我们直接用priya-dwivedi训练好的模型，他们用Kaggle开源数据集(人脸情感识别 FER)训练了一个六层卷积神经网络模型。
现在就调用模型识别一下孙哥在这张图里的情绪吧：
import face_recognition
import numpy as np
import cv2
from keras.models import load_model
emotion_dict= {'生气': 0, '悲伤': 5, '中性': 4, '厌恶': 1, '惊讶': 6, '恐惧': 2, '高兴': 3}
image = face_recognition.load_image_file("1.png")
# 载入图像
face_locations = face_recognition.face_locations(image)
# 寻找脸部
top, right, bottom, left = face_locations[0]
# 将脸部框起来
face_image = image[top:bottom, left:right]
face_image = cv2.resize(face_image, (48,48))
face_image = cv2.cvtColor(face_image, cv2.COLOR_BGR2GRAY)
face_image = np.reshape(face_image, [1, face_image.shape[0], face_image.shape[1], 1])
# 调整到可以进入该模型输入的大小
model = load_model("./model_v6_23.hdf5")
# 载入模型
predicted_class = np.argmax(model.predict(face_image))
# 分类情绪
label_map = dict((v,k) for k,v in emotion_dict.items())
predicted_label = label_map[predicted_class]
# 根据情绪映射表输出情绪
print(predicted_label)
结果：
$python emotion.py
高兴
从下面终端输出的结果我们可以看到孙哥现在是高兴的情绪，这个结果应该正确（毕竟孙哥还是表里如一的）。
虽然简单，但还是建议有兴趣的同学从头到尾做一遍试一下，过程中会遇到不少的坑，慢慢百度谷歌解决就好了。
文章到此就结束啦，如果你喜欢今天的Python 教程，请持续关注Python实用宝典，如果对你有帮助，麻烦在下面点一个赞/在看哦有任何问题都可以在下方留言区留言，我们会耐心解答的！
Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典
阅读更多的Python实战教程
原文来自Python实用宝典：Python 面部情绪识别