1.效果视频:基于深度学习的微表情识别系统(Python代码+PyqtUI界面,可以实现图像识别和视频识别,有详细中文注释)_哔哩哔哩_bilibili
2.数据集介绍
包括7种类别微表情
anger文件夹,3995张
disgust文件夹, 436张照片
fear文件夹,4097张照片
happy文件夹,7215张照片
neutral文件夹,4965张照片
sad文件夹,4830张照片
surprised文件夹, 3171张照片
3.项目模型整体流程
人类的面部表情变化可以传达出其内心的情绪变化,表情是人类内心世界的真实写照。目前最常见的是将人类的表情定义为7中,分别是:悲伤、害怕、厌恶、高兴、生气、惊讶和中立。这也组成了现今的人脸表情识别研究中的七种基础面部表情。
由于不同的面部表情,可以反映出在不同情景下人们的情绪变化以及心理变化,因此面部表情的识别对于研究人类行为和心理活动,具有十分重要的研究意义和实际应用价值。现如今,面部表情识别主要使用计算机对人类面部表情进行分析识别,从而分析认得情绪变化,这在人机交互、社交网络分析、远程医疗以及刑侦监测等方面都具有重要意义。
根据深度学习网络模型,开发了一款简易的人脸面部表情识别系统,可以通过图片、视频、摄像头3种方式进行人脸面部表情识别,并且展示识别结果。可以识别悲伤、害怕、厌恶、高兴、生气、惊讶和中立这7种常见表情,感兴趣的小伙伴可以自己试试。
基本原理
人脸面部表情识别通常可以划分为四个步骤:包括图像获取
,人脸检测
,面部图像预处理
和表情分类
。其中,人脸检测,面部图像预处理(脸部特征提取)和面部表情分类是面部表情识别的三个关键环节。面部表情识别的基本流程如下图所示:
项目文件
注意:该代码采用Pycharm+Python3.8开发,运行界面的主程序为MainProgram.py
,图片测试脚本可运行imgTest.py
,摄像头测试脚本可运行cameraTest.py
。为确保程序顺利运行,请按照程序环境配置说明.txt
配置软件运行所需环境。
对项目感兴趣的可以关注下面的最后一行(可远程协助运行)
from PyQt5.QtWidgets import QApplication, QMainWindow, QFileDialog # 导入PyQt5库中的模块
import sys
import os
sys.path.append('UIProgram') # 添加一个路径到Python的模块搜索路径
from UIProgram.UiMain import Ui_MainWindow # 导入UI程序的主窗口定义
import sys
from PyQt5.QtCore import QTimer, Qt, QCoreApplication # 导入PyQt5库中的模块
import detect_tools as tools
import cv2
import Config
from PyQt5.QtGui import QPixmap # 导入PyQt5库中的模块
from UIProgram.QssLoader import QSSLoader # 导入自定义的QSSLoader模块
from DenseNet121 import * # 导入自定义的DenseNet121模块
#代码和数据的压缩包https://mbd.pub/o/bread/mbd-ZJ6UmZZp