深度学习的表情识别

基于深度学习的表情识别，内含基于cv2的人脸检测分类器，以及训练好的模型，能识别检测出七种人脸表情。

from statistics import mode
import cv2
from keras.models import load_model
import numpy as np

from src.utils.datasets import get_labels
from src.utils.inference import detect_faces
from src.utils.inference import draw_text
from src.utils.inference import draw_bounding_box
from src.utils.inference import apply_offsets
from src.utils.inference import load_detection_model
from src.utils.preprocessor import preprocess_input

# 面部表情识别分类
# parameters for loading data and images
detection_model_path = ‘../trained_models/detection_models/haarcascade_frontalface_default.xml‘
emotion_model_path = ‘../trained_models/emotion_models/fer2013_mini_XCEPTION.102-0.66.hdf5‘
emotion_labels = get_labels（‘fer2013‘）

# hyper-parameters for bounding boxes shape
frame_window = 10
emotion_offsets = （20 40）

# loading models
face_detection = load_detection_model（detection_model_path）
emotion_classifier = load_model（emotion_model_path compile=False）

# getting input model shapes for inference
emotion_target_size = emotion_classifier.input_shape[1:3]

# starting lists for calculating modes
emotion_window = []

# starting video streaming
cv2.namedWindow（‘window_frame‘）
video_capture = cv2.VideoCapture（0）
while True:
    bgr_image = video_capture.read（）[1]
    gray_image = cv2.cvtColor（bgr_image cv2.COLOR_BGR2GRAY）
    rgb_image = cv2.cvtColor（bgr_image cv2.COLOR_BGR2RGB）
    faces = detect_faces（face_detection gray_image）

    for face_coordinates in faces:

        x1 x2 y1 y2 = apply_offsets（face_coordinates emotion_offsets）
        gray_face = gray_image[y1:y2 x1:x2]
        try:
            gray_face = cv2.resize（gray_face （emotion_target_size））
        except:
            continue

        gray_face = preprocess_input（gray_face True）
        gray_face = np.expand_dims（gray_face 0）
        gray_face = np.expand_dims（gray_face -1）
        emotion_prediction = emotion_classifier.predict（gray_face）
        emotion_probability = np.max（emotion_prediction）
        emotion_label_arg = np.argmax（emotion_prediction）
        emotion_text = emotion_labels[emotion_label_arg]
        emotion_window.append（emotion_text）

        if len（emotion_window） > frame_window:
            emotion_window.pop（0）
        try:
            emotion_mode = mode（emotion_window）
        except:
            continue

        if emotion_text == ‘angry‘:
            color = emotion_probability * np.asarray（（255 0 0））
        elif emotion_text == ‘sad‘:
            color = emotion_probability * np.asarray（（0 0 255））
        elif emotion_text == ‘happy‘:
            color = emotion_probability * np.asarray（（255 255 0））
        elif emotion_text == ‘surprise‘:
            color = emotion_probability * np.asarray（（0 255 255））
        else:
            color = emotion_probability * np.asarray（（0 255 0））

        color = color.astype（int）
        color = color.tolist（）

        draw_bounding_box（face_coordinates rgb_image color）
        draw_text（face_coordinates rgb_image emotion_m

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件      930127  2018-10-23 15:13  表情识别检测\haarcascade_frontalface_default.xml
     文件        3218  2018-12-25 09:54  表情识别检测\video_emotion_color_demo.py
     文件        3672  2018-12-25 09:54  表情识别检测\video_emotion_gender_demo.py
     目录           0  2018-12-25 10:46  表情识别检测\